技術 Day 3：VLM架構及如何訓練

VLM架構 VLM 的核心在於其具備將圖像轉換為 LLM 可理解的格式的能力，大部份的VLM運作包括三個主要組件： 大型語言模型 (LLM)：這是 VLM 的...

技術 Day 2：VLM應用領域

圖片來源：huggingface 在Day1 提到了VLM可以完成哪些任務，參考上面這張圖片可以理解得更清楚。 這些任務未來可以具體被應用在哪些領域： 醫療影...

技術 [Day 4] Fine-grained Late-interaction Multi-modal Retrieval (FLMR)

Paper link | Note link | Code link | NeurIPS 2023 Paper title: Fine-grained La...