Oct, 2023

通过视觉指导优化的改进基准模型

TL;DR通过对LLaVA进行简单修改,采用CLIP-ViT-L-336px与MLP投影以及添加面向学术任务的VQA数据,我们建立了更强的基线模型,在11个基准测试中达到了最新的成果。