視覺理解論文系列(四)ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Languag
摘要 本篇論文的作者來自於佐治亞理工學院、俄勒岡州立大學、Facebook AI 研究院。本文提出ViLBERT(Vision-and-Language BERT)，該模型用來學習任務無關的圖像和自然語言聯合表徵。ViLBERT在BERT的基礎上拓展爲多模態的雙流模型，在各自的流中處理圖像和文本輸入，這兩個流通過Co-attention transformer層進行交互。ViLBERT應用到下游任
相關文章
- 1. 視覺理解論文系列(三)VL-BERT: PRE-TRAINING OF GENERIC VISUALLINGUISTIC REPRESENTATIONS
- 2. Contextual Word Representations and Pretraining
- 3. part-aligned系列論文：1707.Deeply-Learned Part-Aligned Representations for Person Re-Identification 論文筆記
- 4. 計算機視覺之語義分割系列論文全解
- 5. NLP基礎之——Contextual Word Representations and Pretraining
- 6. 多模態bert-基於雙流的bert 筆記 ViLBert、LXMERT、IMAGEBERT
- 7. cs224n學習4： Contextual Word Representations and Pretraining
- 8. Inverting Visual Representations with Convolutional Networks論文理解
- 9. 論文寫作解讀：A Simple Framework for Contrastive Learning of Visual Representations
- 10. 【讀論文】Hash Embeddings for Efficient Word Representations
- 更多相關文章...
- • CAP理論是什麼？ - NoSQL教程
- • jQuery Mobile 列表視圖 - jQuery Mobile 教程
- • Docker容器實戰(七) - 容器眼光下的文件系統
- • RxJava操作符（四）Combining
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 視覺理解論文系列(三)VL-BERT: PRE-TRAINING OF GENERIC VISUALLINGUISTIC REPRESENTATIONS
- 2. Contextual Word Representations and Pretraining
- 3. part-aligned系列論文：1707.Deeply-Learned Part-Aligned Representations for Person Re-Identification 論文筆記
- 4. 計算機視覺之語義分割系列論文全解
- 5. NLP基礎之——Contextual Word Representations and Pretraining
- 6. 多模態bert-基於雙流的bert 筆記 ViLBert、LXMERT、IMAGEBERT
- 7. cs224n學習4： Contextual Word Representations and Pretraining
- 8. Inverting Visual Representations with Convolutional Networks論文理解
- 9. 論文寫作解讀：A Simple Framework for Contrastive Learning of Visual Representations
- 10. 【讀論文】Hash Embeddings for Efficient Word Representations