面向对象感知的自适应正性学习用于音频 - 视觉问答

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本文介绍了一种新的多项选择视频问题回答的训练方案,包括自监督预训练和监督对比学习。实验结果表明该模型在相关测试集上取得了最先进的性能。

🏷️

标签

➡️

继续阅读