-
VL (Vision and Language) 任务简介及数据集
Image Retrieval（图像检索）
基本模型结构：
Grounding Referring Expression（在图像中找到自然语言对应描述的物体）
基本模型结构：
Image Captioning（图像描述）
基本模型结构：
数据集: COCO
Visual Question Answering（VQA，视觉问答）
基本模型结构：
两通道 VQA 模型：
数据集: VQA v1, VQA v2, Visual Genome, GQA
Visual Dialog（VD，视觉对话）
基本模型结构：
数据集: Visual Dialog, GuessWhat?!
demo
ViLBERT: https://vilbert.cloudcv.org/
本文参考于 ACL 2022 tutorial：Vision-Language Pretraining: Current Trends and the Future
-
相关阅读:
File类（在JSP中的使用）详解
动态多目标优化算法：MOEA/D-FD求解FDA1、FDA2、FDA3、FDA4和FDA5（Matlab代码）
C++基础知识梳理＜1＞（命名空间、缺省参数、函数重载、extern “C“）【入门级】
“微软爱写作”连词摘录
解决VSCode使用SSH远程连接时无法指定用户名的问题
cnpm i报错：node-sass@^6.0.1 run postinstall node scripts/build.js error
数学知识——求组合数
ENVI大气校正方法反演Landsat 7地表温度
marven项目打包第三方jar包
[附源码]java毕业设计音乐交流平台
- 原文地址：https://blog.csdn.net/Friedrichor/article/details/127126679