Мультимодальные трансформеры

MDETR (Modulated Detection for End-to-End Multi-Modal Understanding)

Архитектура сквозного обнаружения объектов, модулируемая естественным языком, позволяющая выполнять сложные текстовые запросы для локализации и идентификации объектов на изображениях.

← Назад