#120 · 主分类： 基础模型
UNITER
pre-training
pytorch
transformers
vision-and-language
研究代码，用于ECCV 2020论文 'UNITER: UNiversal Image-TExt Representation Learning'
项目最后更新：06/30/21
GitHub Stars
799
Forks数量
111
贡献者数量
3
许可证
MIT
收录理由
UNITER 是 ECCV 2020 一篇关于从图像和文本中学习统一表示论文的官方代码，至今仍是视觉-语言模型研究者的重要参考。仓库提供了 base 和 large 两种规模的预训练检查点，以及针对 VQA、COCO 和 Flickr30k 上的图像-文本检索、指代表达理解等基准的微调脚本。数据下载脚本、Docker 镜像和混合精度训练支持一应俱全，在 NVIDIA GPU 上复现论文结果只需运行提供的命令，无需手动重建整个流程。对于想了解一个多模态编码器如何同时适配多个任务的团队，这份代码库是一个清晰的起点，即便他们最终会转向更新的架构。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。