2025年3月9日
2025.3.9
摘要： 一、多模态编码与特征提取 模态编码器 每个模态通过独立的预训练编码器（如视觉编码器、文本编码器）进行特征提取。例如： 视觉编码器：通常采用ViT（Vision Transformer）、CLIP-ViT或EVA-CLIP等模型，将图像分割为块（Patch）并通过Transformer编码为向量 1 阅读全文
posted @ 2025-03-09 23:54 258333 阅读(96) 评论(0) 推荐(0)