Jaeger：一种基于串联的多 Transformer VQA 模型
原文中文，约300字，阅读约需1分钟。发表于：。本文介绍了 Jaegar，一种基于连接的多转换器 VQA 模型，用于解决基于文档的视觉问答中的挑战。该模型利用 RoBERTa large 和 GPT2-xl 作为特征提取器，并通过将两个模型的输出进行连接来加强其表示能力，以减少计算复杂性和推理时间。实证结果表明，该模型在 PDF-VQA 数据集的 C 任务上具有竞争力的性能。
本文介绍了Jaegar，一种基于连接的多转换器VQA模型，用于解决基于文档的视觉问答中的挑战。该模型利用RoBERTa large和GPT2-xl作为特征提取器，并通过将两个模型的输出进行连接来加强其表示能力，以减少计算复杂性和推理时间。实证结果表明，该模型在PDF-VQA数据集的C任务上具有竞争力的性能。
