用于多模态视觉语言任务的基于像素的机器学习模型.pdfVIP

  • 3
  • 0
  • 约2.55万字
  • 约 22页
  • 2024-03-27 发布于四川
  • 举报

用于多模态视觉语言任务的基于像素的机器学习模型.pdf

获得第一图像和与第一图像相关联的文本内容。渲染描绘与第一图像相关联的文本内容的第二图像。用机器学习编码模型处理第一图像和第二图像,以分别获得针对包括多个图像嵌入的图像嵌入空间的第一图像嵌入和第二图像嵌入。基于第一图像嵌入和第二图像嵌入之间的差异来训练机器学习编码模型。

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN117764197A

(43)申请公布日2024.03.26

(21)申请号202311577901.2G06V10/80(2022.01)

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档