用語集 › omni-modal
GLOSSARY
omni-modal
文・画像・音・動画すべてを扱える
2本の論文題名に登場
定義
テキスト・画像・音声・動画といった主要なモダリティを一つのモデルでまとめて入出力できることを指す語。画像とテキストだけを扱うマルチモーダルより広い範囲を主張するときに使われ、音声を入力から出力まで途切れなく扱えるかが実質的な違いになることが多い。
論文題名での読み方
マルチモーダルの全部版
この語が出てくる解説
- 論文解説: TLive-Omni — ライブ配信を「見て・聞いて・何分何秒かまで答える」オムニモーダルモデルTLive-Omni: An Omni-Modal Understanding Model for E-Commerce Live Streaming
- 論文解説: OmniScientist — 生データを直接「見る」AI科学者。36ケースを1つのエンジンで走らせるOmniScientist: An Omni-Modal Omni-Discipline AI Scientist