Key points are not available for this paper at this time.
تعتمد نماذج الرؤية الحديثة ونماذج الرؤية واللغة على إعداد مسبق واسع النطاق لرؤية اللغة للحصول على أداء جيد في مجموعة متنوعة من المهام اللاحقة. بشكل عام، تميل هذه النماذج إلى أن تكون إما عبر-modal (تباينية) أو متعددة-modal (مع اندماج سابق) ولكن ليس كلاهما؛ وغالبًا ما تستهدف موديلات أو مهام محددة فقط. سيكون الاتجاه الواعد هو استخدام نموذج شامل عالمي واحد، كـ"أساس"، يستهدف جميع الموديلات دفعة واحدة - يجب أن يكون نموذج الأساس الحقيقي للرؤية واللغة جيدًا في مهام الرؤية، ومهام اللغة، ومهام الرؤية واللغة عبر-و متعددة-النوع. نقدم FLAVA كنموذج من هذا القبيل ونظهر أداءً مثيرًا للإعجاب في مجموعة واسعة من 35 مهمة تغطي هذه الموديلات المستهدفة.
دStudied Singh et al. (الأربعاء) هذا السؤال.