2024年10月21日
LLM大模型: blip2/blip3多模态大模型原理
摘要： 截止目前，图片检索领域最出名的应该是openAI的clip了，分别用bert和vit对text和image做encoder，然后让配对的embedding接近，不配对的embedding拉远，通过这种方法达到text匹配（检索）image的目的！但这种方式只能检索，没法生成text啊（比如对imag 阅读全文
posted @ 2024-10-21 17:14 第七子007 阅读(127) 评论(0) 推荐(0) 编辑