视频理解（Video Understandi […]
视频生成（Video Generation） […]
跨模态检索（Cross-Modal Retr […]
视觉问答（Visual Question A […]
图像字幕生成（Image Captionin […]
零样本图像生成（Zero-Shot Imag […]
多模态融合（Multimodal Fusio […]
Few-shot图像生成是一种人工智能技术， […]
潜在扩散模型（Latent Diffusio […]
文生图（Text-to-Image）是一种人 […]
