Computer Vision
KI, die Bilder versteht — Objekterkennung, Gesichtserkennung, OCR, selbstfahrende Autos.
Ein Jahrzehnt lang von der CNN-Architektur getrieben (2012, AlexNet); heute nutzen die großen Modelle Transformer auch für Bilder (ViT, CLIP). Multimodale Modelle vermischen Bild und Text.