返回全部题目← 上一题328 / 332下一题 →题库/模型基础与推理/Q-9618ViT 如何从输入图像得到视觉特征？知识专题：多模态与生成模型题目类型：原理机制技术难度：进阶相关面经：2 篇暂无参考答案未标记未标记待复习已掌握收藏问AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目反馈（在 GitHub 新标签页打开）本题目录相关面经相关题目相关面经2 篇百度后训练算法2026-10-07一面、二面、三面查看原面经 →拆解 ViT 完整图像特征计算流程，介绍当前主流的视觉-文本对齐训练策略。百度多模态算法岗2026-10-06一面、二面查看原面经 →梳理ViT视觉Transformer的图像预处理与特征提取完整机制相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题多模态模型处理高分辨率图片与长文档有哪些难点，如何压缩并组织文档结构？下一题 →视觉语言模型的 Adapter 有哪些类型，Q-Former 如何工作？
