707d99d.js","832","static/chunks/832-433212fc0faa6b60.js","489","static/chunks/489-a5b84db177ed4a3f.js","430","static/chunks/app/%5Blocale%5D/w/%5Bkeyword%5D/page-7e0f5d54d5ece173.js"],"default"] 20:T776,

이미지-텍스트 변환

영문명	Image-to-Text / Image Captioning
분야	컴퓨터 비전, NLP
기술	Vision-Language Model
응용	접근성, 검색, 분석

이미지-텍스트 변환(Image-to-Text)은 이미지의 내용을 자연어로 설명하는 [[인공지능]] 기술입니다. [[youtube:kbncNKWPWXw|이미지 캡셔닝 기술]] == 개요 == 이미지-텍스트 변환은 이미지를 분석하여 텍스트 설명을 생성합니다. 이미지 캡셔닝, 시각적 질의응답(VQA), 장면 설명 등이 포함됩니다. == 주요 태스크 == === 이미지 캡셔닝 === 이미지 전체 설명: * 주요 객체 식별 * 행동/상호작용 설명 * 장면 맥락 === Visual QA === 이미지에 대한 질문 답변: * "이 사진에서 뭘 하고 있나요?" * "색상은 무엇인가요?" === OCR === 이미지 내 텍스트 인식: * 문서 스캔 * 간판/표지판 * 손글씨 === 장면 이해 === 복잡한 장면 분석: * 객체 관계 * 공간 배치 * 활동 인식 == 주요 모델 == === GPT-4V / GPT-4o === [[OpenAI]] 멀티모달: * 이미지 이해 * 대화형 분석 === Claude Vision === [[Anthropic]] 모델: * 문서 분석 * 차트 이해 === LLaVA === 오픈소스: * LLaMA 기반 * 비전-언어 통합 === BLIP-2 === Salesforce 개발: * 효율적 학습 * 강력한 성능 == 응용 분야 == === 접근성 === * 시각장애인 보조 * Alt 텍스트 생성 === 검색 === * 이미지 검색 * 콘텐츠 인덱싱 === 자동화 === * 문서 처리 * 데이터 추출 == 관련 문서 == * [[컴퓨터 비전]] * [[OCR]] * [[멀티모달]] * [[GPT-4]] [[분류:인