【マルチモーダル】Phrase Grounding

Index

Phrase Grounding

文章中のフレーズ・単語が、画像中のどの領域に対応するかを推定するマルチモーダルのタスク.

• マルチモーダル #まとめ編
  • Vision-Language
  • yhayato1320.hatenablog.com

アルゴリズム

GLIP / 2021

• GLIP
  • yhayato1320.hatenablog.com

GLIP v2 / 2022

• GLIPv2: Unifying Localization and Vision-Language Understanding
  • [2022]
  • arxiv.org

参考

• A Joint Study of Phrase Grounding and Task Performance in Vision and Language Models

  • [2023]
  • arxiv.org
    
    

• paperswithcode.com

  • paper with code のタスクのページ