オムライスの備忘録

Index Index Flamingo 事前学習済みモデル LLM Architecture Vision Language Model / VLM 画像エンコーダー / Vision Encoder Perceiver Resampler Cross Attention 実装 参考 Web サイト Flamingo 1つの学習済みモデルだけで、 Language : テキスト Vision : 画像、動画 の 2 つのモーダルのデータを同時に、組み合わせ…