原文：视觉-语言预训练入门指南
万字深度好文！视觉-语言（VL）智能：任务、表征学习和大型模型
taotao_2016    阅35    转2
扔掉目标检测器，实现真正的端到端多模态预训练！阿里提出E2E-VLP（ACL2021）
我爱计算机视觉    阅75
AGI之MFM：《多模态基础模型：从专家到通用助手》翻译与解读之视觉理解、视觉生成
处女座的程序猿    阅151    转2
SimVLM：具有弱监督的简单视觉语言模型预训练
雨夜的博客    阅225    转2
分割一切模型SAM首篇全面综述：28页、200 篇参考文献
天承办公室    阅2
文档图像处理：大模型的突破与新探索
小虚竹    阅47