搜索
发布时间：2025-05-22
Flamingo是一门多模态大型语言模型 (LLM)于 2022年推出。视觉和语言组件的工作原理如下：视觉编码器将图像或视频转换为嵌入(数字列表)。与CLIP不同，Flamingo可以生成文本响应。从简化的角度来看，Flamingo是 CLIP +语言模型，并添加了技术，使语言模型能够根据视觉和文本输入生成文本标记。Flamingo的4个数据集：2个(图像、文本)对数据集、1个(视频、文本)对数据集和1个交错的图像和文本数据集。
2025-05-22
2025-05-22
2025-05-22
2025-05-22
2019-01-21
2019-01-21
2019-01-21
2019-01-10
2019-01-10
2019-01-10
