De acuerdo con Meta, se trata del primer modelo de inteligencia artificial capaz de vincular información de seis modalidades.
Meta dio a conocer una nueva herramienta de inteligencia artificial llamada ImageBind, la cual servirá para generar imágenes aunque no solamente mediante texto, ya que podría emplearse audio que se comparta en la plataforma.
De acuerdo con Meta, se trata del primer modelo de inteligencia artificial capaz de vincular información de seis modalidades. Por ejemplo, usando ImageBind, Make A Scene de Meta podría crear imágenes a partir de audio, como crear una imagen basada en los sonidos de una selva tropical o un mercado bullicioso.
Otras posibilidades futuras incluyen formas más precisas de reconocer, conectar y moderar contenido, y de impulsar el diseño creativo, como generar medios más ricos de manera más fluida y crear funciones de búsqueda multimodal más amplias.
«ImageBind es parte de los esfuerzos de Meta para crear sistemas de IA multimodales que aprenden de todos los tipos de datos posibles a su alrededor.
A medida que aumenta el número de modalidades, ImageBind abre las compuertas para que los investigadores intenten desarrollar nuevos sistemas holísticos, como la combinación de sensores 3D e IMU para diseñar o experimentar mundos virtuales inmersivos.
ImageBind también podría proporcionar una forma rica de explorar recuerdos: buscar imágenes, videos, archivos de audio o mensajes de texto usando una combinación de texto, audio e imagen», destacó Meta.
Meta detalló que al reconocer las relaciones entre estas modalidades (imágenes y video, audio, texto, profundidad, unidades de medida térmicas e inerciales (IMU)), este avance ayuda a avanzar en la inteligencia artificial al permitir que las máquinas analicen mejor muchas formas diferentes de información juntas.
