竞赛人五一作业：4篇多模态BERT论文

360

VideoBERT

视频和语言表征的联合学习模型

https://arxiv.org/pdf/1904.01766.pdf

视频+文本
：将从视频数据编码为token，将文本结果编码为token，然后在这些token 的序列上学习双向联合分布。

https://arxiv.org/pdf/1908.03557.pdf

图像+文本
：将图像目标检测的结果编码为token，将文本编码为token，然后完成联合建模。

https://arxiv.org/pdf/1910.11559.pdf

语音+文本
：将语音数据编码为token，将文本编码为token，然后完成联合建模。

https://arxiv.org/pdf/1912.13318.pdf

OCR检测结果+文本
：将文本的位置信息进行编码，将文本编码为token，然后完成联合建模。

竞赛交流群已成立

学习数据竞赛，组队参赛

添加👇微信拉你进群

加入了之前的社群不需要重复添加~

文章转载自Coggle数据科学，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。