多模态与计算机视觉
【CLIP缺点】CLIP模型的缺点或不足在哪里？ 「腾讯」
原题【CLIP领域适应性】你如何看待CLIP在处理不同领域数据时的适应性和表现？ 「腾讯」
原题【Q-Former动机与模型】为什么用Q-Former？请介绍Q-Former模型，包括其对齐层的作用、Q-Former是什么，以及常见的视觉-语言Adapter有哪些及其具体作用？另外，Q-Former还有哪些其他变体？ 「字节跳动、百度、蚂蚁集团」
原题【Q-Former局限性】现在为什么不用q-former了？ 「腾讯」
原题【ViT与LM训练策略】训练vit和lm是一起做还是分开训？ 「百度」
原题【图文对比学习改进】除了CLIP，还有什么图文对比学习方法？以及CLIP有哪些改进模型？ 「京东、美团」
原题【图文对齐实现】项目细节：你们是怎么把text和image进行对齐的，介绍一下alignment的实现。 「美团」
原题【图文对齐常见问题】多模态图文特征对齐会遇到哪些常见问题？ 「腾讯」
原题【图文对齐训练与评估】图像文本对齐通常如何训练和评估？ 「字节跳动」
原题【多模态对齐方法】常用的不同模态数据在embedding层面对齐的方法有哪些？常见的视觉-语言Adapter有哪些结构？ 「字节跳动、百度、美团」
原题
暂无题目