1.牛津大学出版社香港

多模态图片检索是计算机视觉和多模态机器学习领域很重要的一个任务现在大家做多模态图片检索一般会用 CLIP/SigLIP 这种视觉语言大模型，因为他们经过了大规模的预训练，所以 zero-shot 的能力比较强。

2.牛津大学出版社香港中文站

牛津 VGG ，港大，上交大团队这篇论文旨在提供一种方法，能够用学术界的资源来增强视觉语言大模型的预训练 (Enhance Language-Image Pre-training)，使得其可以更好地用于文字 – 图片检索。

3.牛津大学vsp项目

这篇论文被

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。