熬夜阁

手机浏览器扫描二维码访问

第281章 到底咋写（第2页）

al.，

2020）.

在这项调查中，我们包括了所有格式不同于自然语言的模式，其中包括图像、代码、结构化知识（如......例如

表、知识图谱）、音频和视频。

3多模态检索-增强生成每种模式都有不同的检索和合成程序、目标任务和挑战。因此，我们按图像、代码、结构化知识、音频和视频等模式对相关方法进行分组讨论。3.1图像预训练模型的最新进展为一般图像-文本多模态模型提供了启示。

然而，这些模型需要大量的计算资源进行预训练，并需要大量的模型参数--因为它们需要记忆大量的世界知识。更关键的是，它们无法有效处理新知识或领域外知识。为此，人们提出了多种检索增强方法，以更好地整合图像和文本文档中的外部知识。在一般的文本生成任务中，图像检索也可以通过扩展文本生成语境来提高生成质量，从而增加

"想象力"。视觉问题解答（vqa）

为了解决开放域的

vqa

问题，ra-vqa

（lin

和

byrne，

2022b）

通过对检索到的文档进行近似边际化预测，联合训练文档检索器和答案生成模块。它首先利用现有的对象检测、图像标题和光学字符识别（ocr）工具将目标图像转换为文本数据。然后，它执行密集段落检索（dpr）。

也将

llm

视为隐式知识库，并从

gpt-3

中提取相关隐式信息。即插即用

利用

根据初始问题定位相关部分。然后，它对检索到的图像补丁执行图像标题处理，以获取增强上下文。除了纯文本增强上

同时检索文本和图像数据，并将图像作为视觉标记。ramm（玉an

et

al.，

2023）

检索类似的生物医学图像和标题，并通过不同的网络对其进行编码。图像标题

生成多种风格的标题、

周和龙

（2023）在生成标题前使用了一种风格感知视觉编码器来检索图像内容。除了对视觉信息进行简单的编码外，cho

等人还使用了视觉编码器、

cho

et

al.

（2022）

进一步使用图像-文本对之间的多模态相似性作为奖励函数来训练更精细的字幕模型。除了检索图像元素外、

过检索新闻文章中的视觉基础实体来处理新闻图片标题。视觉基础对话lee

et

al.，

2021b）

快穿：逍遥路人甲  女神拼命保护我，却不知道我最强  八零：真千金回归后，宠冠京城！  厨神：我就炒个菜，咋就飞升了？  出逃五年，她带两个萌宝杀回来了  大A爆涨，抄底娶回女明星  航天首席重生1978  从忍界开始的游戏商人  娇妻的谎言  满级传球，从皇马解约成全能球王  全能学霸的养成系女友  被贬后，我自立为王  山野小仙尊  全家惨死？嫡女重生后冠绝京城  梦境，我与轩辕  我在冷宫忙种田  你一男兵，混进女兵连当教官？  道之初境  萝莉控的万界之旅  旧世废土