banner
Nagi-ovo

Nagi-ovo

Breezing homepage: nagi.fun
github
主页归档作品集日寄友链

多模态

cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover

以 Paligemma 为例的视觉语言模型

视觉语言模型可以分为四类^{[1]}： 将图像转为可以和文本 token 共同训练的嵌入特征，如 VisualBERT、SimVLM、CM3 and etc. 学习良好的图像嵌入，作为冻结的预训练预言模型的前缀，如 ClipCap 通过专门涉及的 cross-attention…
深度学习
此博客数据所有权由区块链加密技术和智能合约保障仅归创作者所有。