Kleine, zufällige Verschiebungen in Bilddaten, die als Datenaugmentation eingesetzt werden, um Modelle robuster gegenüber Positionsverschiebungen zu machen.

Ein Verfahren, bei dem Informationen aus verschiedenen Modalitäten (z. B. Bild und Text) gemeinsam gewichtet werden, um semantische Zusammenhänge zu verstärken.

Die Darstellung von Daten aus unterschiedlichen Quellen in einem gemeinsamen Vektorraum, um intermodale Beziehungen herzustellen.

Sichtbare Störungen, die durch verlustbehaftete JPEG-Kompression entstehen, oft erkennbar als Blockbildung oder Detailverlust.

Ein strukturierter Eingabetext im JSON-Format, der Prompts und Parameter präzise an ein KI-Modell übermittelt.