多模态 · 2022 · BLIP
BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation
Junnan Li et al.
利用生成与过滤图像描述的机制改善视觉语言预训练。
图像描述视觉问答数据清洗
复现空间 · 建议计划
进阶 · 权重评估 · 编辑建议，尚未实测
最小实验目标
评估公开描述生成权重，并归类幻觉、遗漏和计数错误。
数据集 / 环境
COCO captions 的固定评估划分。
评估项
- CIDEr
- BLEU
- 人工错误分类
边界与常见偏差
记录是否使用 Karpathy split；不同数据划分和解码方式的分数不可混用。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。