BriefGPT - AI 论文速递
·
VideoPoet: 用于零样本视频生成的大型语言模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了视觉语言模型的零样本跨语言迁移，通过基于Transformer模型的方法学习多语言多模态嵌入，实验结果表明该方法能显著提高非英语语言的视频搜索效果，并在多语言注释的情况下优于基准线。
🎯
关键要点
- 研究视觉语言模型的零样本跨语言迁移。
- 专注于多语言文本到视频搜索。
- 提出基于Transformer模型的方法学习多语言多模态嵌入。
- 在零样本设置下，非英语句子查询性能显著下降。
- 引入多语言多模态预训练策略，收集新的多语言教学视频数据集（MultiHowTo100M）进行预训练。
- 实验表明，该方法显著提高非英语语言的视频搜索效果，无需额外注释。
- 在多语言注释情况下，该方法在多语言文本到视频搜索和多语言文本到图像搜索方面优于基准线。
➡️
