單一編碼器:一個輕量級框架,用於漸進式對齊多模態

OneEncoder是一個輕量級框架,能夠以低成本有效地將圖像、文本、音頻和視頻等四種模態進行對齊,即使在缺乏大量對齊數據集的情況下也能表現出色。