BLIP

多模态经典论文，使用了 ITC，ITM，LM 损失。

2026-06-02

AI

#Multi Model

CogVideo

基于自回归的视频生成。

2026-06-02

AI

#Video

T5

一个基于 Encoder-Decoder 的统一NLP框架。

2026-06-02

AI

#Multi Model

Swin Transformer

经典论文阅读—SwinTransformer

2026-06-02

AI

#Others

Hunyuan Video

对混元 Video 的解读。

2026-05-30

AI

#World Model

WAN

Wan论文阅读

2026-05-30

AI

#Video

PRoPE

就是对 RoPE 进行了改进，加入了相机内外参数。

2026-05-30

AI

#Others