BriefGPT - AI 论文速递 · 2024-11-12T00:00:00Z

BLIP3-KALE: Knowledge-Augmented Large-Scale Dense Captions

📝

内容提要

BLIP3-KALE是一个包含2.18亿对图像-文本的数据集，旨在弥合合成字幕与网页替代文本之间的差距。通过结合合成密集图像字幕和网页规模的替代文本，生成了具备事实依据的图像字幕，显著提升了多模态模型的能力和知识水平。

🏷️

标签

BLIP3-KALE 合成字幕 图像-文本对 多模态模型 网页替代文本