BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models

计算机科学 语言模型 编码器 人工智能 变压器 自然语言处理 自然语言 图像(数学) 生成语法 量子力学 操作系统 物理 电压
作者
Junnan Li,Dongxu Li,Silvio Savarese,Steven C. H. Hoi
出处
期刊:Cornell University - arXiv 被引量:906
标识
DOI:10.48550/arxiv.2301.12597
摘要

The cost of vision-and-language pre-training has become increasingly prohibitive due to end-to-end training of large-scale models. This paper proposes BLIP-2, a generic and efficient pre-training strategy that bootstraps vision-language pre-training from off-the-shelf frozen pre-trained image encoders and frozen large language models. BLIP-2 bridges the modality gap with a lightweight Querying Transformer, which is pre-trained in two stages. The first stage bootstraps vision-language representation learning from a frozen image encoder. The second stage bootstraps vision-to-language generative learning from a frozen language model. BLIP-2 achieves state-of-the-art performance on various vision-language tasks, despite having significantly fewer trainable parameters than existing methods. For example, our model outperforms Flamingo80B by 8.7% on zero-shot VQAv2 with 54x fewer trainable parameters. We also demonstrate the model's emerging capabilities of zero-shot image-to-text generation that can follow natural language instructions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
欣喜眼睛发布了新的文献求助10
刚刚
1秒前
胡志远完成签到,获得积分10
2秒前
3秒前
3秒前
空白完成签到,获得积分10
3秒前
4秒前
陈章zz发布了新的文献求助10
4秒前
6秒前
zhaoxiaonuan发布了新的文献求助10
7秒前
7秒前
wxl发布了新的文献求助10
7秒前
霸霸完成签到,获得积分20
9秒前
cccina完成签到 ,获得积分10
9秒前
Imdisappearin完成签到,获得积分10
9秒前
徐土土完成签到 ,获得积分10
9秒前
shann完成签到,获得积分10
9秒前
10秒前
10秒前
dd发布了新的文献求助10
10秒前
10秒前
wwwewqe完成签到 ,获得积分20
10秒前
10秒前
12秒前
Raissa发布了新的文献求助10
13秒前
13秒前
乐可乐发布了新的文献求助10
13秒前
14秒前
15秒前
科研通AI6.2应助www采纳,获得10
15秒前
16秒前
聪明的芫发布了新的文献求助10
16秒前
竹签子发布了新的文献求助10
16秒前
18秒前
19秒前
张冰发布了新的文献求助10
19秒前
Jasper应助超帅冰巧采纳,获得10
19秒前
ferritin发布了新的文献求助10
19秒前
19秒前
21秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
晶种分解过程与铝酸钠溶液混合强度关系的探讨 8888
Les Mantodea de Guyane Insecta, Polyneoptera 2000
Leading Academic-Practice Partnerships in Nursing and Healthcare: A Paradigm for Change 800
Signals, Systems, and Signal Processing 610
The Sage Handbook of Digital Labour 600
The formation of Australian attitudes towards China, 1918-1941 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6417049
求助须知:如何正确求助?哪些是违规求助? 8236150
关于积分的说明 17494751
捐赠科研通 5469863
什么是DOI,文献DOI怎么找? 2889699
邀请新用户注册赠送积分活动 1866682
关于科研通互助平台的介绍 1703860