多模态模型的发展趋势：迄今为止最先进的模型，跨模态 GAN，多模态 Transformer
多模态模型是迄今为止最先进的，因为它们可以接受多种不同的输入方式(例如语言、图像、语音、视频) ，并且在某些情况下产生不同的输出模态。
展开
收起
1
条回答
写回答
写回答
-
推荐一篇论文，感兴趣可以看看 Vision-Language Pre-training: Basics, Recent Advances, and Future Trends 地址：https://arxiv.org/pdf/2210.09263v1.pdf
2022-11-04 10:22:24赞同 展开评论 打赏
相关问答
热门讨论
热门文章
为什么用vllm部署qwen2-2b-vl，传输2张照片却，只回答一张照片的问题？
64
请问Qwen-VL怎么用自己的数据集微调
1187
docker和open-webui、ollama 部署本地的qwen2 14b 提供了API接口吗？
319
下载模型之后，模型的大小验证缺不通过，请问这是什么原因？
642
该模型在在线环境使用下运行报错。
310
中文CLIP模型卷土重来，这次加量不加价！
742
请问如何根据自己的数据进行finetune呢？
394
当下载大模型时，出现过慢的情况，有什么更好的方式解决
3822
!pip install open_clip_torch !pip install pytorch-
394
多模态热门的模型有哪一些？
1823
展开全部
