多模态模型-X-VLM-字节跳动

https://hub.baai.ac.cn/view/15120
https://mp.weixin.qq.com/s/U1pJ9TaijMVG0wawFulnww

论文标题：
Multi-Grained Vision Language Pre-Training: Aligning Texts with Visual Concepts

论文链接：
https://arxiv.org/abs/2111.08276

代码链接：
https://github.com/zengyan-97/X-VLM