面向开放场景图像理解的多模态模型知识迁移方法研究

人工智能学院

Transfer Multi-modal Models for open set Image Understanding

本项目的主要目标是探索多模态大模型在开放场景图像理解任务中的应用潜力，并研究如何通过设计合适的架构和算法，充分利用多模态信息来提高模型的学习能力和泛化能力。我们的研究重点涵盖多模态多任务大规模预训练以及在开放场景下的视觉感知、理解和多模态链式推理等任务。