MCAD: 多教师跨模态对齐蒸馏以实现高效的图像 - 文本检索

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

ALADIN是一种高效的图文匹配方法,通过图像文本层次对齐产生得分,并通过蒸馏得到的相关性得分学习共享的嵌入空间。该方法速度快,可与最先进的VL Transformer网络相竞争,具有横跨视觉和语言的领先地位。

🏷️

标签

➡️

继续阅读