Flamingo: a Visual Language Model for Few-Shot Learning

DeepMind发表的论文，提出Flamingo视觉语言模型，能够进行少样本学习，处理图像和文本的多模态任务。该模型在多个视觉语言基准测试上取得了最先进的性能，是多模态大模型领域的重要创新，为具身智能的感知和理解提供了基础。arXiv:2204.14198。