GLIP_Grounded Language-Image Pre-training

Posted 哈哈哈喽喽喽

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了GLIP_Grounded Language-Image Pre-training相关的知识,希望对你有一定的参考价值。

一句话概括:多模态目标检测 1、问题 1、类似CLIP多模态模型只做到文本图片后融合的对齐,没有图片细粒度的object级别的细粒度语义表征能力 2、MDETR没有统一目标检测和已有的多模态任务grounding 2、介绍和实现 CLIP由于训练集image-text pair比任何已有的anati

以上是关于GLIP_Grounded Language-Image Pre-training的主要内容,如果未能解决你的问题,请参考以下文章