【沈向洋带你读论文】Oscar 视觉语言跨模态表示学习

解决视觉语言的联合训练问题

把Bert预训练方法用到视觉语言表征学习里面

可放到下游任务里面，看到一系列的改进

多模态表征，关心把多模态的数据，多模态的一些单词也好，图像里面的一个物体的一个区域也好，投影到公共空间

核心是如何学习视觉和语言对齐表示

三元组表示

实验结果

单词区域对齐重点

重点参考文献

大力出奇迹，更好表示

增加数据量增加算力

找数据联系