BriefGPT - AI 论文速递 · 2023-11-21T00:00:00Z ViLaM: 具有增强的视觉定位和泛化能力的视觉语言模型 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 研究人员将大型语言模型的推理能力应用于多模态数据，通过统一的表示，LaVIT可以同时处理图像和文本，并在下游任务上表现出优异性能。 🏷️ 标签 LaVIT 下游任务 多模态数据 大型语言模型 推理能力 语言模型 阅读原文 生成长图 分享链接 已复制链接
