多模态视频理解模型新标杆！微软黄学东团队发布 i (多模态视频理解基础模型)

黄学东领衔，微软Azure认知服务研究团队重磅发布，视觉，语言，语音，多模态预训练模型i，Code，在5项多模态视频理解任务以及GLUENLP任务上树立了业界新标杆！编译丨OGAI人类的智能涉及多个模态，我们整合视觉、语言和声音信号，从而形成对世界全面的认识，然而，目前大多数的预训练方法仅针对一到两种模态设计，在本文中，我们提出了一种...。

资讯动态 2024-12-03 22:12:47