Catalog

多模態應用

影像、語音與文件理解的實作，含 OCR、版面解析與跨模態檢索。

全部主題 提示工程 RAG 檢索增強 Agent 開發 模型微調 部署與推理優化 資料處理與評測 多模態應用 工具與工作流
不限 免費 VIP 專屬 全難度 入門 進階 實戰
符合條件：5 篇
文件處理管線的完整實作：從掃描件到可查詢的知識庫
VIP 多模態應用 實戰
文件處理管線的完整實作：從掃描件到可查詢的知識庫
把版面解析、OCR、表格抽取與索引串成一條可維運的管線。
2026-08-28
13 分鐘
 視覺模型的評測：怎麼量「看對了沒有」
VIP 多模態應用 實戰
視覺模型的評測：怎麼量「看對了沒有」
視覺任務的評測比純文字難，因為錯誤更隱蔽。這是可操作的方法。
2026-08-26
11 分鐘
 跨模態檢索的實作：以圖找文、以文找圖
VIP 多模態應用 實戰
跨模態檢索的實作：以圖找文、以文找圖
把圖片與文字放進同一個向量空間，需要注意的細節比想像中多。
2026-08-24
11 分鐘
 即時視訊分析：串流場景的架構取捨
VIP 多模態應用 實戰
即時視訊分析：串流場景的架構取捨
把視覺模型接上攝影機串流，成本與延遲都需要重新設計。
2026-08-22
10 分鐘
 圖文混合檢索：讓 RAG 也能搜到圖表
免費 多模態應用 實戰
圖文混合檢索：讓 RAG 也能搜到圖表
技術文件的關鍵資訊常常在圖表裡。純文字 RAG 會整個漏掉。
2026-08-18
10 分鐘