mmf

收录理由

刚踏入视觉与语言多模态研究的人，常常在环境搭建上耗费数天，还没开始验证想法就精疲力竭。MMF 来自 Facebook AI Research，正是为砍掉这些重复劳动而设计。它提供了视觉问答、图像描述、仇恨表情包检测等任务的模块化组件，还内置了多种领先模型的参考实现，你可以在其上微调，不必从零训练。VQA、TextVQA、TextCaps 等常用基准的数据加载器开箱即用，分布式训练也由框架代劳，研究者可以把精力放在模型构思而非基础设施上。它曾作为多个 VQA 类挑战赛的起点代码库，参赛者与启动新多模态项目的团队，都会从中节省大量时间。