跳到正文
Hugging Face Blog·· 2023-02-03AI 评分42

深入解析视觉语言模型

A Dive into Vision-Language Models

AI 导读

联合视觉语言模型通过整合图像与文本模态,在零样本泛化任务中展现出显著效果。这些模型通常包含图像编码器、文本编码器及融合策略,并主要采用对比学习、PrefixLM 等预训练目标进行训练。Hugging Face 的 Transformers 库支持此类最新进展的实验与部署。

来源:Hugging Face Blog · huggingface.co