本文介绍了大模型系列中的多模态技术，如GroundingDINO和CLIP，以及它们在端到端目标检测和生成模型领域的应用。着重讨论了预训练方法中的对比学习和提示工程，以及如何通过零-shot迁移实现模型的泛化能力。
🐧大模型系列篇章
💖 多模态大模型 🔎 GroundingDINO 论文总结
💖 端到端目标检测 🔎 从DETR 到 GroundingDINO
💖 多模态大模型 👉 CLIP论文总结
💖 多模态大模型 👉 EVA-CLIP
💚 生成模型 👉 从 VAE 到 Diffusion Model （上）
💚 生成模型 👉 从 VAE 到 Diffusion Model （下）
💧 天气大模型
| 欢迎订阅专栏，第一时间掌握最新科技 专栏链接 |
文章目录
论文链接：https://arxiv.org/pdf/2103.00020
NLP的积淀
取之不尽用之不竭的自监督信号 = transformer + 自监督学习
训练出来的模型又大又好，而且又简单，泛化性又好，为多模态的训练铺平了道路。
只需要图片文本对，不需要标注， 数据的规模就很容易大起来了。
现在的监督信号是一个文本，而不是n选1的这种标签了，所以模型的输入输出啊，自由度就大很多。
- 用文本监督信号，来帮助训
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
