Jan, 2024

连接,塌陷,腐败:利用单模态数据学习跨模态任务

TL;DR利用预训练的多模态对比表示空间可以从单模态数据中学习跨模态任务,我们提供了这个空间几何的理论解释,并引入了一个三步方法(连接、降维、破坏)来缩小模态差距,增强嵌入的互换性,实现了从单模态数据中有效地进行跨模态学习,取得了零样本图像/音频/视频字幕和文本到图像生成的最新成果。