Concevoir des modèles multimodaux

Présentation de la formation

Exploration pratique des modèles multimodaux centrés sur vision, audio, vidéo et génération d’images. Approche axée sur intégration de flux de données multimodales et architectures compatibles, bibliothèques open-source et étapes d’assemblage modèle-pipeline.

Présentation des types de modèles multimodaux et de leurs cas d’usage concrets.

Traitement et fusion de signaux vision, audio et vidéo pour alimenter des modèles uniques.

Méthodes de génération d’images conditionnées et de post-traitement des sorties.

Architecture de pipeline : prétraitement, encodage multimodal, fusion et décodage.

Exemples d’outils et de composants pratiques pour expérimentation et prototypage.

Formation · Avancé