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
凡仔发布了新的文献求助10
2秒前
汉堡包应助甜美的笑珊采纳,获得10
2秒前
fxf发布了新的文献求助10
3秒前
小二郎应助yu采纳,获得10
4秒前
科研通AI6.2应助xjq137666采纳,获得10
5秒前
2025zmx完成签到,获得积分10
5秒前
oh完成签到,获得积分10
6秒前
科研通AI6.3应助张贵虎采纳,获得10
7秒前
论文中中中完成签到,获得积分10
8秒前
9秒前
今后应助wj采纳,获得10
10秒前
11秒前
干净天磊完成签到,获得积分10
12秒前
alkaidt发布了新的文献求助20
12秒前
12秒前
手套发布了新的文献求助10
12秒前
13秒前
Sicily发布了新的文献求助10
13秒前
fxf完成签到,获得积分10
13秒前
上官若男应助kk采纳,获得10
14秒前
香蕉觅云应助dengdeng采纳,获得10
15秒前
charline发布了新的文献求助10
16秒前
干净天磊发布了新的文献求助10
17秒前
典雅沛柔发布了新的文献求助50
18秒前
赘婿应助chang采纳,获得10
19秒前
19秒前
AllRightReserved应助科研人采纳,获得10
19秒前
21秒前
21秒前
Miriammmmm完成签到,获得积分10
21秒前
zhy应助孤独的ming采纳,获得20
23秒前
24秒前
24秒前
Zzx发布了新的文献求助10
24秒前
充电宝应助卫三采纳,获得10
25秒前
弯一弯发布了新的文献求助10
26秒前
27秒前
愿惜梨完成签到,获得积分10
27秒前
dengdeng发布了新的文献求助10
29秒前
小熊西发布了新的文献求助10
30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 6417995
求助须知:如何正确求助?哪些是违规求助? 8237465
关于积分的说明 17499617
捐赠科研通 5470759
什么是DOI,文献DOI怎么找? 2890315
邀请新用户注册赠送积分活动 1867172
关于科研通互助平台的介绍 1704229