BriefGPT - AI 论文速递 · 2023-08-31T00:00:00Z ViLTA：通过文本增强增强视觉语言预训练 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了一种名为ViLTA的新方法，通过交叉蒸馏生成软标签，提高模型稳健性，并利用上下文合成硬负样本来增加图像-文本匹配的难度。实验证明ViLTA在视觉语言任务上表现出更好的性能。 🏷️ 标签 ViLTA 交叉蒸馏 图像-文本匹配 模型稳健性 软标签 阅读原文 生成长图 分享链接 已复制链接
