PaLI-X: Over het opschalen van een meertalig visueel en taalmodel
PaLI-X: On Scaling up a Multilingual Vision and Language Model
May 29, 2023
Auteurs: Xi Chen, Josip Djolonga, Piotr Padlewski, Basil Mustafa, Soravit Changpinyo, Jialin Wu, Carlos Riquelme Ruiz, Sebastian Goodman, Xiao Wang, Yi Tay, Siamak Shakeri, Mostafa Dehghani, Daniel Salz, Mario Lucic, Michael Tschannen, Arsha Nagrani, Hexiang Hu, Mandar Joshi, Bo Pang, Ceslee Montgomery, Paulina Pietrzyk, Marvin Ritter, AJ Piergiovanni, Matthias Minderer, Filip Pavetic, Austin Waters, Gang Li, Ibrahim Alabdulmohsin, Lucas Beyer, Julien Amelot, Kenton Lee, Andreas Peter Steiner, Yang Li, Daniel Keysers, Anurag Arnab, Yuanzhong Xu, Keran Rong, Alexander Kolesnikov, Mojtaba Seyedhosseini, Anelia Angelova, Xiaohua Zhai, Neil Houlsby, Radu Soricut
cs.AI
Samenvatting
We presenteren het trainingsrecept en de resultaten van het opschalen van PaLI-X, een meertalig visueel en taalmodel, zowel wat betreft de grootte van de componenten als de breedte van de trainings taakmix. Ons model bereikt nieuwe niveaus van prestaties op een breed scala aan gevarieerde en complexe taken, waaronder meerdere beeldgebaseerde ondertitelings- en vraag-antwoordtaken, beeldgebaseerd documentbegrip en few-shot (in-context) leren, evenals objectdetectie, video-vraag-antwoord en video-ondertiteling. PaLI-X verbetert de state-of-the-art op de meeste beschouwde visie-en-taal benchmarks (meer dan 25). Ten slotte observeren we opkomende capaciteiten, zoals complex tellen en meertalige objectdetectie, taken die niet expliciet in de trainingsmix zitten.
English
We present the training recipe and results of scaling up PaLI-X, a
multilingual vision and language model, both in terms of size of the components
and the breadth of its training task mixture. Our model achieves new levels of
performance on a wide-range of varied and complex tasks, including multiple
image-based captioning and question-answering tasks, image-based document
understanding and few-shot (in-context) learning, as well as object detection,
video question answering, and video captioning. PaLI-X advances the
state-of-the-art on most vision-and-language benchmarks considered (25+ of
them). Finally, we observe emerging capabilities, such as complex counting and
multilingual object detection, tasks that are not explicitly in the training
mix.