---
title: Sebastián Kišš
published: true
taxonomy:
    category: [bp2027]
    tag: [multimodal,dataset,evaluation]
    author: Daniel Hladek
---


rok začiatku štúdia: 2024

# Bakalársky projekt 2027

Dáta pre vyhodnotenie multimodálnych jazykových modelov

Ciel: Vytvoriť a použiť novú dátovú množinu pre vyhodnotenie mulitimodálnych modelov s podporou slovenského jazyka

Možné ciele semestrálneho projektu:

- Pripraviť nový evalučný dátový súbor pre multimodálne jazykové modely.
- Vytvoriť benchmark na porovnanie kvality výstupov rôznych multimodálnych modelov.
- Implementovať automatickú metriku na hodnotenie semantickej zhody medzi textovými a vizuálnymi reprezentáciami.


Stretnutie 23.10.2026

Stav:

-  Napísaná správa.

Úlohy:

- Pokračujte v štúdiu vyhodnotenia multimodálnych jazykových modelov podľa pokynov nižšie. Vychádzajte z článku Huang - Survey of evaluation of multimodal models.
- Skúsime vyhodnotenie úlohy rozpoznávania rukou písaného textu. Vyberte text na jednu stranu rukou písaného textu. Prepíšte ho. Požiadajte niekoľko Vašich priateľov (min. 3 alebo viac), aby ho tiež prepísali. Texty naskenujte.  Ku každej stránke vytvorte zarovnanie na riadky, a pridajte chyby ktoré sa vyskytujú v rukopise. Toto zopakujte pre viac strán.
- Text konzultujte pred použitím.  Môže to byť diktát alebo to môže byť krátka klasická poviedka alebo urývok klasického románu.

Zásobník úloh:

- Pomocu viacerých modelov rozpoznajte text po riadkoch a vypočítajte chybu na úrovni riadkov. Chyba sa určuje ako CER (character erroro rate), WER (word error rate). 
- Nájdite existujúcu množinu rukou písaného textu a upravte ju do podoby vhodnej na vyhodnotenie LLM.

Stretnutie 30.9. 2026


Úlohy:

- Naučte sa Python, nainštalujte si Anaconda.
- Zistite, čo sú multimodálne jazykové modely (napr. BLIP, LLaVA, FLAN-PaLM). Ako sa hodnotí kvalita multimodálnych výstupov? Napíšte krátku správu (2-3 strany) s relevantnými vedeckými článkami
- Oboznámte sa s existujúcimi multimodálnymi benchmarkmi (VQA, Visual Question Answering, Image Captioning)
- Oboznámte sa s knižnicou [Hugging Face Datasets](https://huggingface.co/docs/datasets) a metódami hodnotenia multimodálnych modelov. - Pozrite si záznam o práci https://zp.kemt.fei.tuke.sk/interns/dries_huybens
- Pozrite si zoznam existujúcich množín, poslaný cez Teams. 
- Navrhnite svoju množinu - získanie z webu, digitalizácia nových dát alebo anotácia existujúcich dát. 

Zásobník úloh:

- Otestujme rozpoznávanie rukopisov a matematických výrazov.