按年被提到
20222022 · 1 次2026
视觉、语音与图像生成›视觉语言与自监督表征·arXiv:2204.14198 · cs.CV

Flamingo: a Visual Language Model for Few-Shot Learning

Flamingo:面向少样本学习的视觉语言模型
Jean-Baptiste Alayrac, Jeff Donahue, Pauline Luc, Antoine Miech, Iain Barr, Yana Hasson, Karel Lenc, Arthur Mensch, Katie Millican, Malcolm Reynolds, Roman Ring, Eliza Rutherford 等 27 人 · 2022

桥接预训练视觉与语言模型、可少样本适配的视觉语言模型

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2022-05-12 · 最近 2025-10-01
3不同的人
3活跃月份
3讨论串
1,755被引(OpenAlex)

Flamingo 是一类视觉语言模型(VLM),通过架构创新桥接强大的纯视觉和纯语言预训练模型,处理任意交错的图文序列,并无缝接收图像或视频输入。它在含交错图文的大规模网络语料上训练,从而具备上下文少样本学习能力;仅靠提示几个任务示例,单个模型就在许多图像和视频任务上取得新的最好成绩,在多个基准上超过用成千倍任务数据微调的模型。

HN 为什么提它

评论者把它当作图文交错序列理解的代表模型,分别引用于“儿童图画书问题已解决”、Gemini 的视觉编码和 OpenTSLM 的基础模型。

方法难度 4 / 5约 60 分钟经得起时间
读之前最好知道
1Transformer 与大语言模型
2视觉编码器与多模态学习
3上下文少样本学习(in-context learning)
4图像与视频问答

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用edouard-harris · 2022-05

“The children's picture book problem is solved; those billions of dollars were well-spent after all. (See, e.g., DeepMind's recent Flamingo model [1].)”

以 Flamingo 为例,说明儿童图画书理解问题已被解决
DeepMind: A Generalist Agent原评论 ↗
引用famouswaffles · 2024-02

“Flamingo - Flamingo”

列出 Flamingo 论文,作为 Gemini 视觉编码的基础
The killer app of Gemini Pro 1.5 is using video as an input原评论 ↗
引用Animats · 2025-10

“This is a system for understanding interleaved text and images in sequence.”

说明 Flamingo 是理解图文交错序列的系统,也是 OpenTSLM 的基础模型
OpenTSLM: Language models that understand time series原评论 ↗