认知视觉语言映射器:通过增强视觉知识对齐推进多模态理解

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

本文评估了视觉语言投射方法,并提出了认知视觉语言映射器(CVLM),通过视觉语言知识对齐改进多模态模型。实验证明,CVLM在知识型视觉问题回答上性能显著提升。

🏷️

标签

➡️

继续阅读