多模态信息融合
-
多模态自监督预训练框架「i-Code」更灵活 ！
人类的智能涉及多个模态：我们整合视觉、语言和声音信号，从而形成对世界全面的认识。然而，目前大多数的预训练方法仅针对一到两种模态设计。 在本文中，我们提出了一种多模态自监督预训练框架…
人类的智能涉及多个模态：我们整合视觉、语言和声音信号，从而形成对世界全面的认识。然而，目前大多数的预训练方法仅针对一到两种模态设计。 在本文中，我们提出了一种多模态自监督预训练框架…
