Kẹt ở chế độ xáo trộn: Về liên kết thuộc tính - đối tượng trong các mô hình thị giác - ngôn ngữ
Stuck on Shuffle: On Attribute-Object Binding in Vision-Language Models
Đoạn trích bài viết
Truy xuất là một tác vụ cơ bản trong các hệ thống đa phương thức: với một truy vấn bằng hình ảnh hoặc văn bản, mục tiêu là tìm kiếm các hình ảnh hoặc văn bản liên quan nhất trong một tập hợp, thường sử dụng một không gian nhúng chung.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.