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:594
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.

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
刚刚
1秒前
豪哥大大完成签到,获得积分10
1秒前
虞丹萱完成签到,获得积分10
2秒前
wguanmc完成签到,获得积分10
2秒前
3秒前
3秒前
3秒前
bkagyin应助MQ采纳,获得10
4秒前
脑洞疼应助le采纳,获得100
4秒前
sparrow完成签到,获得积分10
4秒前
石绿海完成签到,获得积分10
5秒前
科研通AI5应助小白采纳,获得10
5秒前
狂野访曼发布了新的文献求助10
6秒前
YY完成签到,获得积分10
8秒前
humblelucas发布了新的文献求助10
8秒前
little完成签到,获得积分10
8秒前
四文鱼发布了新的文献求助10
8秒前
贤yu发布了新的文献求助10
8秒前
汉堡包应助现代秦始皇采纳,获得10
10秒前
14秒前
humblelucas完成签到,获得积分10
15秒前
17秒前
le发布了新的文献求助100
19秒前
热情的夏完成签到,获得积分10
19秒前
20秒前
21秒前
努力的打工人完成签到,获得积分10
21秒前
沉静盼山发布了新的文献求助10
21秒前
背后的梦山完成签到,获得积分10
21秒前
24秒前
24秒前
25秒前
yang发布了新的文献求助10
26秒前
orixero应助zzzzzbbl采纳,获得10
27秒前
wzy4319关注了科研通微信公众号
27秒前
29秒前
imcwj完成签到 ,获得积分10
31秒前
赘婿应助沉静紫安采纳,获得10
33秒前
所所应助孔雀翎采纳,获得10
33秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Mechanistic Modeling of Gas-Liquid Two-Phase Flow in Pipes 2500
Kelsen’s Legacy: Legal Normativity, International Law and Democracy 1000
Conference Record, IAS Annual Meeting 1977 610
Interest Rate Modeling. Volume 3: Products and Risk Management 600
Interest Rate Modeling. Volume 2: Term Structure Models 600
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3542895
求助须知:如何正确求助?哪些是违规求助? 3120176
关于积分的说明 9341944
捐赠科研通 2818272
什么是DOI,文献DOI怎么找? 1549447
邀请新用户注册赠送积分活动 722160
科研通“疑难数据库(出版商)”最低求助积分说明 712978