多模态

NLP实践——VQA/Caption生成模型BLIP-2的应用介绍1. 简介2. 模型下载3. 运行环境4. 模型应用
生成模型自然语言处理计算机视觉 BLIP 多模态
08-02
图文 Contrastive Learning (CLIP) VS Pre-training tasks (ViLT)Contrastive Learning (CLIP) VS Pre-training tasks (ViLT)结果展示在Contrastive Learning基础上展开的研究(个人观点)对比学习任务（CLIP）(Radford, Kim et al. 2021)图文预训练任务(ViLT)(Kim, Son et al. 2021)对比学习任务与与训练任务孰强孰弱？参考文献
多模态深度学习神经网络计算机视觉机器学习
07-29
“多模态”概念深度解读之EEG-fNIRS同步
实验技术多模态
06-25
多模态模型前沿研究（1）1 ERNIE-ViL（百度，2021.3.，aaai）
多模态深度学习人工智能
06-25
多模态在内容理解的应用
机器学习多模态
06-25
多模态预训练模型前言Vision-language TasksV+L Joint Pre-training当前已有的一些视觉语言模型对比ERNIE-VILLayoutLMv2总结
调研算法多模态视觉语言模型 bert
06-25
阅读笔记 CR-Net: A Deep Classification-Regression Network for Multimodal Apparent Personality AnalysisCR-Net: A Deep Classification-Regression Network for Multimodal Apparent Personality Analysis
多模态个性分析
06-24
Multimodal Routing: Improving Local and Global Interpretability of Multimodal Language Analysis阅读笔记Multimodal Routing: Improving Local and Global Interpretability of Multimodal Language Analysis模型结构实验Interpretation Analysis
多模态情感分析模态融合三模态 mulitmodal
06-24
AI：多模态和大模型的一些经验总结daiding
1024程序员节多模态大模型模态数据
10-30
经典多模态论文阅读笔记一、ViLBERT二、UNITER三、Multimodal Pretraining Unmasked: A Meta-Analysis and a Unified Framework of Vision-and-Language BERTs四、ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision
多模态深度学习人工智能
06-08
《论文阅读》ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision
NLP 论文阅读 Transformer 深度学习 ViLT 多模态
06-08
Adaptive Decision Fusion for Audio-Visual Speech Recognition（2008)研究内容提出的方法&模型架构前提知识（可选）数据集结果总结
关键字识别多模态人工智能语音识别计算机视觉
05-14
多模态模型中关于雷达特征图与融合特征图的可视化（基于CRFNet）效果图特征输出模型注册提取数据提取中间特征并批量可视化池化与卷积对雷达滤波的影响
场景感知与理解多传感器融合毫米波雷达 keras 深度学习 tensorflow 计算机视觉多模态
05-13
HS和SAR的融合总结HS和SAR的融合总结
计算机视觉学习笔记 HS和SAR 融合分类多模态深度学习
05-06
RGB-T行人检测汇总
多光谱（RGB-T）行人检测论文详解计算机视觉人工智能深度学习多模态行人检测
05-03
阅读笔记 A Deep Multi-Level Attentive network for Multimodal Sentiment Analysis前言模型结构视觉提取模块多模态联合学习模块总结
多模态情感分析
05-02
行人重识别论文阅读11-BDTR 红外光行人重识别
计算机视觉学习笔记行人重识别多模态
04-28
极智AI | 变形金刚大家族 Transformer ViT CLIP BLIP BERT 模型结构
Transformer bert NLP 多模态深度学习
09-05
SIMVLM：简单视觉语言模型，SIMPLE VISUAL LANGUAGE MODEL PRETRAINING WITH WEAK SUPERVISION论文地址：主要工作：
多模态Vision+Language 深度学习自然语言处理 Pytorch 多模态计算机视觉
04-11
陌生人何以突闯一大会场？68年后，谁解开这谜？他有怎样的结局
模态视频算法人工智能多模态
09-03