BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation

隐藏字幕 自举(财务) 计算机科学 语言模型 一般化 人工智能 编码(集合论) 自然语言处理 图像(数学) 航程(航空) 滤波器(信号处理) 语音识别 计算机视觉 程序设计语言 集合(抽象数据类型) 数学分析 金融经济学 复合材料 经济 数学 材料科学
作者
Junnan Li,Dongxu Li,Caiming Xiong,Steven C. H. Hoi
出处
期刊:Cornell University - arXiv 被引量:5
标识
DOI:10.48550/arxiv.2201.12086
摘要

Vision-Language Pre-training (VLP) has advanced the performance for many vision-language tasks. However, most existing pre-trained models only excel in either understanding-based tasks or generation-based tasks. Furthermore, performance improvement has been largely achieved by scaling up the dataset with noisy image-text pairs collected from the web, which is a suboptimal source of supervision. In this paper, we propose BLIP, a new VLP framework which transfers flexibly to both vision-language understanding and generation tasks. BLIP effectively utilizes the noisy web data by bootstrapping the captions, where a captioner generates synthetic captions and a filter removes the noisy ones. We achieve state-of-the-art results on a wide range of vision-language tasks, such as image-text retrieval (+2.7% in average recall@1), image captioning (+2.8% in CIDEr), and VQA (+1.6% in VQA score). BLIP also demonstrates strong generalization ability when directly transferred to video-language tasks in a zero-shot manner. Code, models, and datasets are released at https://github.com/salesforce/BLIP.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
舒适涵山完成签到,获得积分10
1秒前
桐桐应助就这采纳,获得10
1秒前
2秒前
麦子发布了新的文献求助10
4秒前
L_MD完成签到,获得积分10
5秒前
7秒前
lilili发布了新的文献求助10
8秒前
就这发布了新的文献求助10
11秒前
星辰大海应助兰真纯洁采纳,获得10
15秒前
yjsshr发布了新的文献求助10
15秒前
15秒前
17秒前
18秒前
18秒前
19秒前
Renee应助追寻采纳,获得10
20秒前
Swuliu完成签到,获得积分10
20秒前
yjsshr完成签到,获得积分10
21秒前
情怀应助等待之柔采纳,获得10
22秒前
腼腆的秀发布了新的文献求助10
25秒前
yaoge完成签到 ,获得积分10
26秒前
28秒前
麦子发布了新的文献求助10
29秒前
xing完成签到,获得积分10
30秒前
科研苦行僧完成签到,获得积分10
30秒前
31秒前
32秒前
34秒前
柠c完成签到,获得积分10
35秒前
腼腆的秀完成签到,获得积分10
35秒前
林林发布了新的文献求助10
37秒前
等待之柔发布了新的文献求助10
37秒前
40秒前
酷波er应助贪玩绮南采纳,获得10
42秒前
善良寒风完成签到,获得积分10
43秒前
44秒前
47秒前
48秒前
50秒前
50秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161007
求助须知:如何正确求助?哪些是违规求助? 2812311
关于积分的说明 7895133
捐赠科研通 2471181
什么是DOI,文献DOI怎么找? 1315908
科研通“疑难数据库(出版商)”最低求助积分说明 631071
版权声明 602086