فلامينغو

نموذج بصري-لغوي من ديب مايند يُربط نموذج رؤية مجمَّد بنموذج لغة كبير مجمَّد عبر طبقات انتباه متقاطع مُدرَّبة فقط، فيُنتج قدرة على التعلم بأمثلة قليلة عبر مهام متعددة الوسائط كالإجابة عن أسئلة الصور ووصفها.

A DeepMind vision-language model that bridges a frozen vision encoder and a frozen large language model via trainable cross-attention layers, enabling few-shot learning across multimodal tasks such as visual question answering and captioning.