ALBEF -> BLIP -> BLIP-2

标签：文本 查询 BLIP 图像 半句 ALBEF

因果关系的self-attention，拥有前半句，生成后半句

解决了生成任务，如何解决噪声数据？

BLIP 2

查询和当前这个文本最相关的图像信息是什么，同时把不想关的文本信息丢掉，目标文本指导查询图像

当前已经能从图像编码器中提取到更有用的视觉信息

标签：文本,查询,BLIP,图像,半句,ALBEF
From： https://www.cnblogs.com/Tsukinousag1/p/17231955.html