XPretrain

XPretrain

涵盖视频语言和图像语言模型的多模态学习与预训练研究

Microsoft Research MSM组在多模态学习和预训练方法上的最新研究成果,包含用于视频语言的HD-VILA-100M数据集,以及HD-VILA、LF-VILA、CLIP-ViP等预训练模型,和用于图像语言的Pixel-BERT、SOHO、VisualParsing模型。这些研究发表在CVPR、NeurIPS和ICLR等顶级会议,代码和数据集已公开,社区成员可以贡献和提出建议。

XPretrain多模态学习预训练视频与语言图像与语言Github开源项目

XPretrain项目介绍

XPretrain项目是由微软研究院的MSM小组开发的一个多模态学习项目,该项目致力于研究基于预训练方法的多模态学习,特别是在视频与语言、图像与语言的结合上。

多模态学习

多模态学习是指通过结合不同类型的数据,例如图像、视频和文字等,来提高模型的学习能力。XPretrain项目中主要聚焦于以下两个方面:

视频与语言

数据集

  • HD-VILA-100M数据集:这是一个高分辨率且多样化的视频-语言数据集,专为训练和评估多模态模型而设计。

预训练模型

  • HD-VILA (CVPR 2022):这是一个高分辨率、多样化的视频-语言预训练模型。
  • LF-VILA (NeurIPS 2022):该模型针对长篇视频与语言的预训练而设计。
  • CLIP-ViP (ICLR 2023):将图像-语言预训练模型适配到视频-语言的预训练中。

图像与语言

预训练模型

  • Pixel-BERT:一个端到端的图像与语言预训练模型。
  • SOHO (CVPR 2021 oral):改进的端到端图像与语言预训练模型,引入了量化的视觉标记。
  • VisualParsing (NeurIPS 2021):基于Transformer的端到端图像与语言预训练模型。

项目动态

  • 2023年3月,发布了CLIP-ViP和LF-VILA的代码。
  • 2023年1月,CLIP-ViP论文被ICLR 2023接收。
  • 2022年9月,LF-VILA论文被NeurIPS 2022接收,同时发布HD-VILA的代码。
  • 2022年3月,HD-VILA-100M数据集面向公众发布,并在同月HD-VILA被CVPR 2022接收。

参与贡献

该项目鼓励贡献和建议。大部分贡献需要签署贡献者许可协议(CLA),这确保了贡献者有权利并实际授予项目使用其贡献的权利。在提交拉取请求时,CLA机器人会自动判断是否需要提供CLA,并给出相应指示。

品牌及商标声明

此项目可能包含微软或其他公司的商标及徽标。使用需遵循相关的品牌指导原则,且不能引起误解或暗示微软赞助。

联系信息

如果在使用预训练模型时遇到问题,请提交问题反馈。此外,如需其他沟通,请联系刘贝博士(bei.liu@microsoft.com)或傅建龙博士(jianf@microsoft.com)。

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
下拉加载更多