xiaoxin83121
xiaoxin83121
Hi, I have a question about 'FEATURE_MAP_STRIDE: 4'. It seems to be 8, since the backbone downsamples the feature map to 1/8. I have read the code of centerhead and...
> 用的不是blip2嘛，为啥说是clip训练？求解答~ BLIP2的VIT端是fixed住的，CLIP训练出来的权重
> 主要是clip训练的时候没中文，所以如果想拥有中文且不损失原有能力还是挺难的。我们下个版本应该会考虑这个问题，但是这个版本如果要增加的话，我猜测有难度，但是也不确定。 想问下，这个版本要增加的话，能介绍下主要的思路嘛？感谢~