原文：“目标检测” “视觉理解”实现对输入图像的理解及翻译（附源代码）
CVPR2021 用更好的目标检测器提取视觉特征！微软提出VinVL，基于更好的视觉特征，达到更强的多模态性能
我爱计算机视觉    阅30
今天为大家介绍一下VQA是什么
办公达人分享    阅78
如何借助注意力机制改进VQA模型的性能
轻语者    阅11
字节团队提出猞猁Lynx模型：多模态LLMs理解认知生成类榜单SoTA
天承办公室    阅2
OCR的工作原理？
我爱青花瓷    阅9    转2
20大热门项目告诉你，计算机视觉未来的五大趋势
英俊好男人书馆    阅2186    转16
SimVLM：具有弱监督的简单视觉语言模型预训练
雨夜的博客    阅227    转2
香侬科技独家对话Facebook人工智能研究院首席科学家Devi Parikh
黄昌易    阅62
今天聊一聊视觉-语言（VL）智能
昵称26407850    阅1
文本 视觉，多篇 Visual/Video BERT 论文介绍
taotao_2016    阅602    转3
ICLR 2020| VL-BERT：预训练视觉-语言模型
DrugAI    阅109    转2
跨界出圈 | 谈谈BERT跨模态预训练
michael1314520    阅304
Transformer在计算机视觉领域走到哪了？
黄爸爸好    阅27
历经6年 AI终于在“读图会意”上超越人类
风之心    阅10
微软牛津计划
openlog    阅977    转4
AI技术中视觉语义化的作用有哪些
昵称26181007    阅8
计算机视觉：模拟人类视觉系统，实现图像识别的技术
心之声音    阅3    转2
视觉推理与场景理解：从感知到高层语义的迁移
办公技巧达人    阅7
​什么是无监督的大规模预训练模型呢
坚定不移2    阅192    转5