BLIP-2（图文预训练模型）（BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models）
一句话导读 高效图文预训练，多模态模型的 […]
多模态
经典文献
DALL·E 2（Hierarchical Text-Conditional Image Generation with CLIP Latents）
一句话导读 一句话生成惊艳图像的划时代文 […]
经典文献
潜在扩散模型（Stable Diffusion基础）（High-Resolution Image Synthesis with Latent Diffusion Models）
一句话导读 在“潜空间”里扩散生成图像， […]
经典文献
CLIP（图文对比模型）（Learning Transferable Visual Models From Natural Language Supervision）
一句话导读 让AI“看图配文”互相理解， […]