BLIP-2 中 Q-Former 的作用是什么？为什么要加一个 Query Transformer？
考察说明
考察对 BLIP-2 架构设计动机的理解，尤其是视觉语言对齐与训练效率
回答思路
- 说明 Q-Former 作为视觉与语言模态间的可学习查询接口
- 解释其利用可学习的查询向量从冻结视觉编码器提取信息
- 阐述其减少视觉特征冗余、提升模型效率的作用
- 分析冻结视觉与语言模型后，Q-Former 作为桥梁避免灾难性遗忘
- 联系 BLIP-2 两阶段训练策略：视觉语言表示学习与生成预训练
本题已收录答题指导
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。