CVPR 2020 | ActBERT: 自監督多模態視頻文字學習

  自監督特徵學習近年來已有如火如荼的發展，並從單模態的自監督學習，如圖片自監督特徵學習，視頻自監督特徵學習，蔓延到多模態，利用圖片與文字或者視頻與文字的關聯性進行特徵學習。  利用圖片與文字關聯性進行自監督學習已有非常多優秀的工作，如 Vilbert, LXMERT, VisualBERT, VLBERT, UNITER, Unified VLP 等等。這類工作的數據源一般是 Conceptua

>>阅读原文<<