多模态数据集+ 之眼预训练任务汇总

模型数据集预训练任务ALBEF图文对：COCO，VG，CC，SBU CaptionITC, MLM,ITMCLIP400million 网络公开数据集对比学习UniT视觉/文本单模态和多模态的8个数据集基于8个数据集的7个任务，包含目标检测，VQA，NLUVx2TEXT视频用Kinetics，音频使用AudioSetTVQA, AVSD,TVCUNIMO文本：BookWiki and OpenWebText；
图片：OpenImages，unlabeled COCO；
图文对：COCO，VG，CC，SBU Caption对比学习，MLM，MRM