BriefGPT - AI 论文速递 · 2023-08-16T00:00:00Z Pro-Cap: 利用冻结的视觉语言模型进行令人讨厌的恶搞表情包检测 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 ViECap是一种可转移的解码模型，利用实体感知解码生成见过和没见过的场景中的描述。通过实体感知的硬提示，ViECap能够在跨多样场景的连贯字幕生成中保持性能，并在跨域字幕生成方面达到最新水平。 🏷️ 标签 ViECap cap 场景描述 字幕生成 实体感知 解码模型 语言模型 阅读原文 生成长图 分享链接 已复制链接
