arXiv-2022 GLIPv2：Unifying Localization and Vision-Language Understanding

论文地址：GLIPv2：Unifying Localization and Vision-Language Understanding

论文实现：https://github.com/microsoft/GLIP

GLIPv2：在GLIP上增加了更多任务和数据集

Abstratc

基本架构还是GLIP，只是把更多的任务，数据集融合进GLIP，比如分割，检测，VQA，image captioning

Introduction

图像还是一个编码器，但是文本就多了很多理解任务，再做deep fusion

GLIPv2: Unifying Localization and VL Understanding

Experiment

---