SigLIP：逐对判断图文是否匹配
多模态第四课，从 softmax 竞争到 sigmoid 判断
THOUGHTS · NOTES · LIFE
思成言
生活是一个过程
Projector：视觉特征怎样接入 LLM？
多模态第五课，从维度映射到图文问答的输入接口
Vision Encoder：不同训练目标怎样塑造视觉表示？
多模态第二课，同样的图片，为什么会学出不同的特征
ViT：图片是怎么变成 Token 的？
多模态第一课，从像素到视觉序列
CLIP：图像和文字如何进入同一个空间？
多模态第三课，从配对游戏到对比学习与零样本分类
量化：INT8、INT4 到底损失了什么？
少存几个比特，换来数值近似；质量和速度要另算
目录第二十课目录1、一个数字2、丢掉什么3、交互实验4、分组与敏感度5、量化了哪些张量6、速度边界7、复习总图
继续阅读 →