InstructBLIP：基于指令微调的通用视觉-语言模型研究
InstructBLIP: Towards General-purpose Vision-Language Models with Instruction Tuning
Wenliang Dai, Junnan Li, Dongxu Li, Anthony Meng Huat Tiong, Junqi Zhao, Weisheng Wang, Boyang Li, Pascale Fung, Steven C. H. Hoi
neural information processing systems · 2023-01-01
订阅获取大模型与语言多模态与视觉语言被引 403被引前 10%影响因子 ≈3.8
摘要
InstructBLIP是一种通过指令微调技术实现的通用视觉-语言模型，旨在提升模型在多类视觉-语言任务中的适应能力与泛化性能。该研究通过构建多样化的指令数据集对模型进行训练，验证了其在图像描述、视觉问答、图像生成等任务中的优异表现，为视觉-语言模型的实用化开发提供了重要参考。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
参考文献
相关论文
话题：Multimodal Machine Learning Applications