CLS 03 · 视觉与语言：任务、训练与接口

8B. 同一句话，为什么有多种合理图像？

主线阅读与优先实验

caption历史、VQA、CLIP候选、关系控制、GLIP/LLaVA与生成桥梁

8B. 同一句话，为什么有多种合理图像？