ERNIE VIL 2.0提出了多视角预训练范式，可以充分地利用图文数据中的各类型文本数据，加速模型预训练，提高跨模态模型的表征能力，本文进行论文读后笔记。
【论文极速读】FILIP： 一种基于交互的细粒度图文预训练模型
FILIP（Fine-grained Interactive Language-Image Pretrain）是一种基于交互的细粒度图文预训练模型，用于解决图文双塔匹配模型中的细粒度匹配问题。本文对该论文进行阅读笔记。
ERNIE VIL 2.0提出了多视角预训练范式，可以充分地利用图文数据中的各类型文本数据，加速模型预训练，提高跨模态模型的表征能力，本文进行论文读后笔记。
FILIP（Fine-grained Interactive Language-Image Pretrain）是一种基于交互的细粒度图文预训练模型，用于解决图文双塔匹配模型中的细粒度匹配问题。本文对该论文进行阅读笔记。