arXiv-2021 How Much Can CLIP Benefit Vision-and-Language Tasks？

论文地址：How Much Can CLIP Benefit Vision-and-Language Tasks？

论文实现：https://github.com/clip-vil/CLIP-ViL

CLIP-ViL：CLIP在视觉下游任务的实验性文章

Abstract

实验性文章，把CLIP拿到多模态来初始化还能继续提高下游vision language task的准确度

Introduction

主要贡献：第一个大规模的用CLIP预训练好的模型当作视觉编码器的初始化参数，在各种下游任务上做empirical study

Experiments

---