تستكشف هذه الدراسة إمكانيات نماذج اللغة البصرية (VLMs) لأتمتة توليد البيانات الوصفية لمجموعات الصور الفوتوغرافية، مع معالجة التحدي الذي تطرحه الزيادة السريعة في هذه المجموعات التي تتجاوز قدرات الفهرسة اليدوية. تركز الأبحاث بشكل خاص على VLM InternVL2، الذي قام بتوليد أوصاف الفهرس للطباعة الفوتوغرافية الأثرية. تضمنت عملية الإشراف بمشاركة الإنسان تقييمات من كل من الخبراء…