BLIP-2，基于现有的图像编码器预训练模型，大规模语言模型进行预训练视觉语言模型；BLIP-2通过轻量级两阶段预训练模型QueryingTransformer缩小模态之间gap，第一阶段从冻结图像编码器学习视...

浏览 52 次 标签： BLIP2-图像文本预训练论文解读