CLS 03 · 视觉与语言：任务、训练与接口

2. 语言作为输出：看图说话怎样接上已有能力？

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

2. 语言作为输出：看图说话怎样接上已有能力？