返回全部题目← 上一题40 / 315下一题 →题库/模型基础与推理/Q-5026什么是视觉问答(VQA)?知识专题:多模态与生成模型题目类型:概念解释技术难度:基础收录题集:2 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi(新窗口打开)Qwen千问(新窗口打开)OpenAIChatGPT(新窗口打开)自动带入当前题目本题目录收录题集相关题目收录题集2 份多模态与计算机视觉阿东玩 AI · AgentGuide · 1 条原题查看题集 →【开放VQA】如果vqa是开放的问题怎么办? 「阿里通义」多模态 AIAMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题查看题集 →What is visual question answering (VQA)?相关题目4 题0522轨迹模型采用什么动作空间?同一知识专题题目类型:原理机制技术难度:进阶相关面经:2 篇0536你了解哪些多模态大模型及其原理?同一知识专题题目类型:原理机制技术难度:进阶相关面经:1 篇0777视频帧是否作为图片文件直接输入多模态模型?同一知识专题题目类型:原理机制技术难度:基础相关面经:1 篇0787长视频为什么不能一次全部交给大模型?同一知识专题题目类型:原理机制技术难度:基础相关面经:1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题Whisper 如何将语音转换为文本?下一题 →文档理解模型如何结合文本、图像与页面布局解析文档?