2022年8月3日
GLIP_Grounded Language-Image Pre-training
摘要： 一句话概括：多模态目标检测 1、问题 1、类似CLIP多模态模型只做到文本图片后融合的对齐，没有图片细粒度的object级别的细粒度语义表征能力 2、MDETR没有统一目标检测和已有的多模态任务grounding 2、介绍和实现 CLIP由于训练集image-text pair比任何已有的anati 阅读全文
posted @ 2022-08-03 15:50 哈哈哈喽喽喽 阅读(799) 评论(0) 推荐(0)