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 [Cornell University]
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
1秒前
1秒前
1秒前
余子完成签到,获得积分10
1秒前
2秒前
丘比特应助芷文采纳,获得10
2秒前
HHZ发布了新的文献求助10
2秒前
格瑞格完成签到,获得积分0
2秒前
2秒前
2秒前
GGDog发布了新的文献求助10
3秒前
3秒前
pishuang发布了新的文献求助10
3秒前
3秒前
研友_LMg3PZ完成签到,获得积分10
3秒前
霸气紫槐完成签到,获得积分10
4秒前
4秒前
暴发户完成签到,获得积分10
4秒前
kobe发布了新的文献求助10
5秒前
Voloid发布了新的文献求助10
5秒前
万能图书馆应助lulululi采纳,获得10
5秒前
CLY发布了新的文献求助10
5秒前
Winnie发布了新的文献求助10
5秒前
6秒前
7秒前
11发布了新的文献求助10
7秒前
阔达雨文发布了新的文献求助10
7秒前
7秒前
充电宝应助奋斗土豆采纳,获得10
7秒前
胡浩发布了新的文献求助10
7秒前
wang发布了新的文献求助10
8秒前
22336应助百里烬言采纳,获得20
8秒前
学术垃圾桶完成签到,获得积分10
8秒前
nigger发布了新的文献求助10
8秒前
科研通AI6.4应助senli2018采纳,获得10
8秒前
9秒前
10秒前
344完成签到,获得积分10
10秒前
Voloid完成签到,获得积分10
10秒前
10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
Resistance Spot Welding Dataset for Automobile Body-in-White Quality Analysis 748
日本現代怪異事典 副読本 700
悉尼大学博士学位论文,题目:Modelling and testing of one-sided stitched laminated composites. 作者:Kristopher P. Plain 650
Machine Learning for Asset Management and Pricing 600
Numerical analysis of the coupled atmosphere-ocean models (CAO II). II 600
Models for the coupled atmosphere and ocean 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 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7388714
求助须知:如何正确求助?哪些是违规求助? 8995135
关于积分的说明 19141734
捐赠科研通 7025489
什么是DOI,文献DOI怎么找? 3228440
关于科研通互助平台的介绍 2390844
邀请新用户注册赠送积分活动 2209587