Apr, 2020

Oscar: 面向视觉语言任务的对象-语义对齐预训练模型

TL;DR本文介绍了一种基于目标检测的图像-文本预训练学习方法Oscar,通过使用在图像中检测到的目标标签作为锚点,显著简化模型中的图像与文本的语义对齐,使其在六个视觉-语言理解和生成任务中创造了新的最好成果。