Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks
1:03:33
Oscar: Object-Semantics Aligned Pre-training for Vision-Language T…
2020年5月4日
Microsoft
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vision-Language Navigation
1:20
Reinforced Cross-Modal Matching and Self-Supervised Imitation Lear…
2018年11月27日
Microsoft
22K views · 142 reactions | In vision-and-language pretraining (VLP), objects can be used as anchor points to make aligning semantics between image-text pairs easier. Learn how Oscar, a novel VLP framework utilizing objects, sets new state of the art on six vision-and-language tasks: https://aka.ms/AA8flix | Microsoft Research | Facebook
0:12
22K views · 142 reactions | In vision-and-language pretraining (VLP), o…
已浏览 2.3万 次6 天之前
FacebookMicrosoft Research
Research talk: Large-scale, self-supervised pretraining: From language to vision
24:50
Research talk: Large-scale, self-supervised pretraining: From lang…
2021年11月16日
Microsoft
NICE Session 80: ICCV 2025 Paper Sharing Session 2
1:27:56
NICE Session 80: ICCV 2025 Paper Sharing Session 2
已浏览 50 次4 个月之前
YouTubeNLP Academic Exchange Platform
Vision Language Models #GlobalSensorAwards#sensorawards#VisionLanguageModels#VisualAI#LanguageAI
0:37
Vision Language Models #GlobalSensorAwards#sensorawa…
2 个月之前
YouTubeGlobal Sensor
The Future of AI That Thinks Before It Speaks | VL-JEPA Explained: How Meta Built Faster Vision
6:44
The Future of AI That Thinks Before It Speaks | VL-JEPA Explained: Ho…
已浏览 121 次2 个月之前
YouTubeNeural Nexus
4:25
#20. Types of Foundation Models
已浏览 16 次2 个月之前
YouTubeTech With Mala
2:14
A Survey of Large Language Model Architectures and Their Impact o…
已浏览 4 次2 个月之前
YouTubePaper to PPT : Natural Language Processing
4:26
Vision-DeepResearch: Improving Multi-hop VQA in MLLMs
4 周前
YouTubeAI Research Roundup
1:10
What is Self-Supervised Learning?
已浏览 1 次2 个月之前
YouTubeData Science Made Easy
0:51
AI Vision & Multimodal Model Development Platform
已浏览 7062 次3 周前
YouTubeAlamin
0:41
VaulTech on Instagram: "End of LLMs? VL-JEPA stands for Vision …
已浏览 386 次1 个月前
Instagramvaultechi
Unified Vision-Language Learning with Causal Transformers | Navee…
3 周前
linkedin.com
Stanford Seminar - Robot Learning in the Era of Large Pretrained Mod…
已浏览 1万 次2024年3月13日
YouTubeStanford Online
2:29:42
逐篇解析机器人基座模型和VLA经典论文（含投屏版）——“人就是最智 …
已浏览 3500 次11 个月之前
YouTube張小珺Xiaojùn Podcast
22:57
多模态经典论文集7：BEiT-3
已浏览 3316 次9 个月之前
bilibiliDeepFinder
1:42:09
ICCV 2025论文分享 第二场
已浏览 645 次6 个月之前
bilibiliNICE学术
59:35
A Survey on Large Multimodal Reasoning Models-2-多模态大模型 …
已浏览 1573 次5 个月之前
bilibili小林绿子的怀中猫
23:33
A Survey on Efficient Vision-Language-Action Models(TJU 2025)
已浏览 720 次3 个月之前
bilibilimardinff
1:35
开源！首个原生3D高斯大模型SceneSplat，端到端解锁万物识别…
已浏览 4900 次5 个月之前
bilibili深蓝学院
3:03
一体式多模态大模型VL-BEIT做了什么？BERT有什么优点？
已浏览 778 次2024年6月14日
bilibiliPh-D-Vlog
2:31
尝鲜中文图文多模态SOTA模型：Chinese CLIP
已浏览 3150 次2023年1月31日
bilibilinlp炼丹师
4:07
2024最新大模型科研分享！10篇全新论文带你激发研究灵感，建议火速收 …
已浏览 1245 次2024年7月3日
bilibili账号已注销
15:57
从零开始“看懂”世界：DINOv3如何让AI学会视觉？
已浏览 5588 次5 个月之前
bilibili极市平台
48:07
OpenAI CLIP: ConnectingText and Images (Paper Explained)
已浏览 17万 次2021年1月12日
YouTubeYannic Kilcher
5:43
Computer Vision Explained in 5 Minutes | AI Explained
已浏览 20.1万 次2021年8月9日
YouTubeAI Sciences
15:08
Contrastive Language-Image Pretraining (CLIP)
已浏览 688 次10 个月之前
YouTubeAntonio Rueda-Toicen
13:44
Vision Transformers explained
已浏览 6.8万 次2023年7月1日
YouTubeCode With Aarohi
6:05
What is LLM Distillation ?
已浏览 3万 次2025年2月2日
YouTubeNew Machina
观看更多视频
静态缩略图占位符