深度学习点云感知科研论文小班2期
2023-02-22 13:56 作者:janet19961217 | 我要投稿
模型：对比学习，预测
对图文数据，将图片分类任务转换成图文匹配任务：
双流，2个encoder分别处理文本和图片数据，text encoder使用Transformer，image encoder用了2种模型，ResNet和Vision Transformer(ViT)；
a. 5种ResNet：ResNet-50, ResNet-101, EfficientNet-style的ResNet，
