Image-to-Text nedir?
Görsel içeriği analiz edip bu içeriği tanımlayan veya açıklayan metinler üreten teknoloji.
Tanım
Image-to-text, yapay zekânın bir resmi görüp içindeki nesneleri, kişileri ve olayları algılayarak insan dilinde açıklamalar yazmasını sağlayan süreçtir. Görme engelliler için ekran okuyucularda veya görsel arama motorlarında yaygın olarak kullanılır.
Nasıl çalışır?
Görsel önce piksel düzeyinde taranır ve yapay zekâ tarafından sayısal özelliklerine ayrıştırılır. Ardından dil modeli devreye girerek bu görsel unsurları mantıklı bir cümle veya paragraf haline getirir.
Nerede kullanılır?
Sosyal medya platformlarının otomatik alt yazı oluşturma sistemlerinde, yapay zekâ destekli arama motorlarında ve erişilebilirlik araçlarında yer alır.
Sık karıştırılanlar
Text-to-image ile karıştırılır ama tam tersidir; text-to-image metinden resim üretirken, bu teknoloji resimden metin üretir.
Sorular ve yanıtlar
El yazısı metinleri okuyabilir mi?
Optik karakter tanıma sistemleriyle birlikte çalışarak görseller üzerindeki yazıları da başarıyla metne dönüştürebilir.
Karmaşık şemaları anlayabilir mi?
Gelişmiş çok modlu modeller grafiklerin ve şemaların ne anlama geldiğini de metin olarak özetleyebilir.
İlgili terimler
Bu açıklama TreScout için yapay zekâ ile sade dille hazırlandı · yanlış ya da eksik gördüğünüz bir şey olursa hello@trescout.com. TreScout her gün GitHub, Hacker News ve Hugging Face'te öne çıkanları Türkçe özetler.