2024年3月27日
Multimodal Large Language Model(MLLM)
摘要： 1 CLIP https://openai.com/index/clip/ CLIP(Contrastive Language–Image Pre-training)的主要任务为图文匹配 计算cosine similarity。 对角线的 \(N\) 个为正样本，其他 \(N^2-N\) 为负样本。 阅读全文
posted @ 2024-03-27 20:49 ForHHeart 阅读(64) 评论(0) 推荐(0)