發(fā)現(xiàn)為每張圖畫生成超越1-2個標(biāo)題的邊沿效益不明顯
，

其中心是經(jīng)過用DFN預(yù)練習(xí)的CLIP模型替換從前的集成來改善教師監(jiān)督模型 ，旨在練習(xí)強魯棒和高遷移性，參數(shù)規(guī)劃在50～1.5億不等  。

第二階段是在高質(zhì)量標(biāo)題數(shù)據(jù)集MSCOCO-123k