VLIS是一个新的框架，结合了视觉语言模型和纯文本语言模型，通过提取图像和文本之间的互信息来提升视觉语言模型的性能。VLIS代表了多模态语言生成的新方向。

自我想象：使用多模态模型进行高效单模态推理
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证