clip image-text matching model | BriefGPT

关键词clip image-text matching model

搜索结果 - 1

基于进化伪标记的零样本视频字幕生成
本文提出了一种零样本视频字幕生成方法，采用了冻结的 GPT-2 语言模型和 CLIP 图像 - 文本匹配模型，并通过生成过程中的优化方法生成了连贯、具有广泛实际知识的视频字幕。
PDF2 years ago