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。

🏷️

标签

➡️

继续阅读