1b:I[72972,["954","static/chunks/d3ac728e-40baee3e883166ed.js","972","static/chunks/972-7e9a0c05126993d6.js","354","static/chunks/354-df4e3e5fc9ca5d4c.js","832","static/chunks/832-433212fc0faa6b60.js","489","static/chunks/489-a5b84db177ed4a3f.js","649","static/chunks/app/%5Blocale%5D/w/%5Bkeyword%5D/history/%5BrevisionId%5D/page-c3cdd8eafa0ec393.js"],""] 1c:I[39489,["954","static/chunks/d3ac728e-40baee3e883166ed.js","972","static/chunks/972-7e9a0c05126993d6.js","354","static/chunks/354-df4e3e5fc9ca5d4c.js","832","static/chunks/832-433212fc0faa6b60.js","489","static/chunks/489-a5b84db177ed4a3f.js","649","static/chunks/app/%5Blocale%5D/w/%5Bkeyword%5D/history/%5BrevisionId%5D/page-c3cdd8eafa0ec393.js"],"default"] 1d: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 분