跨模態對齊

跨模態對齊（cross-modal alignment）指讓不同模態中的相關內容在表徵空間或時間結構上建立對應，例如將影像區域與文字描述、音訊片段與字幕連結。對齊表現不等同於真正理解。

概念連結

• 多模態基礎模型
• 模型幻覺
• 多模態資料融合

維基百科

• 中文相關條目：人機互動

• English related article: Multimodal learning

• 本書導讀：Multimodality