ViLT 论文精读【论文精读】

[@XiaoZhao-d4j]

讲的太好了，细节清楚，motivation更是画龙点睛

[@incendioraven4269]

确实多模态这四个结构图简洁又有表达力

[@incendioraven4269]

不太懂为什么说48:45" Caching visual features restrains region-feature-based VLP models from using image augmentation"。 顶多是这类VLP做image aug会比较expensive吧

[@jiezhang1532]

讲的真好！！！！

[@何品潔-y5r]

請問想多了解多模態或跨模態相關的知識，要用什麼關鍵字找會比較好呢

[@TL-fe9si]

可以试试在arXiv 上搜一篇比较火的multi-modality文章，然后在页面下方的 related papers 里选 connected papers, arXiv 会生成一个可视化的图，里面有围绕这这片论文的各种相关的论文，还有他们的引用次数等，比较直观的看哪些工作比较有影响力

[@zhuoranlu3858]

@@TL-fe9si thanks!