您现在的位置是:热点 >>正文
谷歌发布最新零样本学习看图说话模型,多类型任务直接上手
热点5181182人已围观
简介...
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
谷歌新推出了弱监督看图说话模型SimVLM,能够轻松实现零样本学习(zero-shot)任务迁移。
从文字描述图像到回答图片相关问题,模型无需微谷歌调也能样样精通。
对于一般的视觉语言预训练(VLP)模型,训练数据集中要求包含大量精准标签。而模型的任务迁移,则需要针对特定任务重新进行数据集的标签标注。
总结下来,就是标注数据集不仅耗时耗力,还不能多任务通用。
能不能开发出发布一种又简单又万能的VLP模型呢?
谷歌新开发的这款模型使用了弱监督学习进行模型训练,通过利用大量的弱对齐图像-文本对进行建模,简化了VLP的训练流程,大大降低了训练的复杂性。
SimVLM使用前缀语言建模的单一目标进行端到端训练,并最新直接将原始图像作为输入。这些设置允许模型对大规模的弱标记数据集进行利用,从而能够更好地实现零样本学习泛化效果。
SimVLM模型是如何实现的?
SimVLM模型的预训练过程采用了前缀语言建模(PrefixLM)的单一目标,零样接受序列的前缀作为输入,通过模型解码器来预测其延续的内容。
对于数据集中的图像-文本对,图像序列可视作其文本描述的前缀。
这种方法可以简化训练过程,最大限度地提高模型在适应不同任务设置方面的灵活性和通用性。
模型的主干网络,则本学使用了在语言和视觉任务上均表现突出的Transformer架构。
对输入的原始图像数据提取上下文patch,这里采用了ResNet卷积网络。
如上图所示:视觉模态中,图片被分割成多个patch,然后压缩为一维序列。文本模态语句则被习看映射到了一个表征向量中。
本模型使用了包含大约1.8B噪声的图像-文本对ALIGN训练集进行预训练,以此来实现更好的零样本学习泛化能力。
为了补偿训练集中的噪声影响,训练模型另外还使用了共800G的Colossal Clean Craw图说led Corpus (C4)数据集。
SimVLM模型基础性能如何?
模型的预训练完成后,需要在多模式任务中对模型进行微调,以测试性能。
这里用到的多模式任务有:VQA、NLVR2、SNLI-VE、COCO Caption、NoCaps和话模Multi30K En-De。
将SimVLM模型与现有的功能完善的模型进行比较,测试结果如上表所示,参与评估的SimVLM模型还包括了三种不同规模:8600万参数、3.07亿参数和6.32亿参数。
跨模式任务的测试结果中,型,SimVLM模型的性能表现最好(数据越大越好),除了CoCo Caption的B@4指标,在其他任务上都取得了新的SOTA结果,充分证明了该模型的先进性。
SimVLM模型零样本泛化
SimVLM模型在跨模式任务测试中可以取得不错的性多类能表现,那么它能否顺利执行零样本跨模态转移呢?
预训练的SimVLM模型仅对文本数据进行微调或完全不进行微调,通过图像字幕、多语言字幕、开放式VQA和视觉文本生成等任务,对模型进行测试。
测试结果如下图所示:
给定图像和文本提示型任,预训练模型无需微调即可预测图像的内容。
除此之外,未进行过微调的模型在德语字幕生成、数据集外的答案生成、基于图像内容的文字描述、开放式视觉问题回答等应用上均有不错的表现。
为了量化SimVLM的零样本学习性能,这里采用了预务直训练的固化模型在COCO Caption和NoCaps上进行解码,然后与监督标准基线(Sup.)进行比较。
从结果对比上来看,即使没有监督微调,SimVLM也可以达到有监督的训练质量水平。
作者介绍
本研究的第一作者是谷歌学生研究员接上王子瑞,现就读于卡内基梅隆大学,曾以第一作者身份在ICLR、EMNLP、CVPR等顶会上发表了多篇论文。
截止到2020年12月20日,他在SuperGLUE数据集上获得了第一个超过人类得分的SOTA性能(分数超过90),目前谷歌则被百度团队赶超,位居第二。
这一次开发的SimVLM也在6个视觉语言基准测试中达到了单模型SOTA性能,并实现了基于文本引导的零样本学习泛化能力。
Tags:
相关文章
标签: 哈啰单车 哈啰普惠 98后招聘 招聘年龄歧视
热点云梦级2月28日云梦级消息,据极目新闻报道,一名网友近日在社交媒体发帖称,其在招聘网站发现有岗位招聘要求“98后”,认为对年龄的限制很严苛。2月27日,涉事品牌哈啰单车客服人员回应称,涉及相关招聘信息...
【热点】
阅读更多云计算核心技术Docker教程:Docker集群.将节点添加到群
热点一旦你创建了一个群与管理器节点,您就可以添加工作节点。 1.打开终端,并在要运行工作程序节点的计算机中SSH。本教程使用的名称worker1。 2.运行“创建群”教程步骤中docker swarm i...
【热点】
阅读更多科学家发现大脑靠“旋转”区分过去和现在,给AI架构设计提供思路
热点本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 过去和现在的边界,到底在哪里? 人类,又是如何在时间混沌中区分出过往与当下的? 注意,这不是一个哲学问题。(手动狗头) 而...
【热点】
阅读更多