年度归档： 2025 年

在

Non-local Neural Networks

在

SENet：Squeeze-and-Excitation Networks

在

PaLI系列多模态模型：Pathways Language and Image model

在

Uni-Perceiver系列: 基于双编码器的多模态通用模型

在

BEiT：初探大一统多模态框架

在

CoCa：多模态领域的六边形战士

在

BLIP: 自举式数据清洗助力多模态

在

VLMO：基于混合专家的视觉语言模型

在

ALBEF（Align Before Fuse）：模态对齐与知识蒸馏

在

CLIP：基于对比学习的图像文本预训练模型