ترجمه فارسی مقاله LLaVA-Chef: یک مدل مولد چندوجهی برای دستورهای غذا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی LLaVA-Chef: A Multi-modal Generative Model for Food Recipes
عنوان مقاله به فارسی LLaVA-Chef: یک مدل مولد چندوجهی برای دستورهای غذا
نویسندگان Fnu Mohbat, Mohammed J. Zaki
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 29 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In the rapidly evolving landscape of online recipe sharing within a globalized context, there has been a notable surge in research towards comprehending and generating food recipes. Recent advancements in large language models (LLMs) like GPT-2 and LLaVA have paved the way for Natural Language Processing (NLP) approaches to delve deeper into various facets of food-related tasks, encompassing ingredient recognition and comprehensive recipe generation. Despite impressive performance and multi-modal adaptability of LLMs, domain-specific training remains paramount for their effective application. This work evaluates existing LLMs for recipe generation and proposes LLaVA-Chef, a novel model trained on a curated dataset of diverse recipe prompts in a multi-stage approach. First, we refine the mapping of visual food image embeddings to the language space. Second, we adapt LLaVA to the food domain by fine-tuning it on relevant recipe data. Third, we utilize diverse prompts to enhance the model's recipe comprehension. Finally, we improve the linguistic quality of generated recipes by penalizing the model with a custom loss function. LLaVA-Chef demonstrates impressive improvements over pretrained LLMs and prior works. A detailed qualitative analysis reveals that LLaVA-Chef generates more detailed recipes with precise ingredient mentions, compared to existing approaches.

چکیده به فارسی (ترجمه ماشینی)

در چشم انداز در حال تحول سریع به اشتراک گذاری دستور العمل های آنلاین در یک زمینه جهانی شده ، تحقیقات قابل توجهی در زمینه درک و تولید دستور العمل های غذایی وجود داشته است.پیشرفت های اخیر در مدلهای بزرگ زبان (LLMS) مانند GPT-2 و LLAVA راه را برای پردازش زبان طبیعی (NLP) هموار کرده است تا عمیق تر به جنبه های مختلف کارهای مرتبط با مواد غذایی ، شامل شناخت مواد تشکیل دهنده و تولید جامع دستور العمل ها بپردازد.با وجود عملکرد چشمگیر و سازگاری چند حالته LLMS ، آموزش خاص دامنه برای کاربرد مؤثر آنها مهم است.این کار LLM های موجود را برای تولید دستور العمل ارزیابی می کند و Llava Chef را پیشنهاد می کند ، یک مدل جدید که در یک مجموعه داده های تنظیم شده از دستور العمل های متنوع در یک رویکرد چند مرحله ای آموزش دیده است.ابتدا نقشه برداری از تعبیه های تصویر غذای بصری را به فضای زبان اصلاح می کنیم.دوم ، ما با تنظیم دقیق آن بر روی داده های مربوط به دستور العمل های مربوطه ، llava را با دامنه غذا سازگار می کنیم.سوم ، ما از فواصل متنوعی برای تقویت درک دستور العمل مدل استفاده می کنیم.سرانجام ، ما با مجازات مدل با یک عملکرد از دست دادن سفارشی ، کیفیت زبانی دستور العمل های تولید شده را بهبود می بخشیم.سرآشپز Llava پیشرفت های چشمگیر نسبت به LLM های پیش ساخته و آثار قبلی را نشان می دهد.یک تجزیه و تحلیل کیفی دقیق نشان می دهد که Llava سرآشپز دستور العمل های دقیق تری با ذکر مواد تشکیل دهنده دقیق ، در مقایسه با رویکردهای موجود تولید می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.