论文学习 VLMo：混合模态专家的统一视觉语言预训练 提出了一个统一的视觉语言预训练模型（VLMO），它通过模块化 Transformer 网络联合学习双编码器和融合编码器。具体来说，引入了Mixture-of-Modality-Experts (MOME) Transformer，其中每个块包含一
蒋晓翠
发布于 2024-01-10