多模态论文精读：CLIP、ViLT、ALBEF、VLMO、BLIP、CoCa、BEiT-3、Uni-perceiver系列、PaLI系列
多模态论文串讲·上【论文精读·46】
[论文速览]LLaVA: Visual Instruction Tuning[2304.08485]
15分钟认识ViT！【视觉Transformer】
【论文导读】多模态大语言模型综述（一）介绍
多模态简述
【附资料】CLIP、Blip、Blip2 三大模型串讲，总体架构、数据处理
【CS336 2026】Lec17-多模态模型：CLIP、LLaVA、Qwen 与后训练 [中英字幕]
【多模态融合】20分钟手把手带你深度解析多模态融合技术前沿进展！大模型|LLM
多模态模型CLIP深度讲解
初学多模态的第1课！保姆级般带你一起读完多模态从易到难论文集！—神经网络/深度学习/多模态大模型
CLIP 论文逐段精读【论文精读】
[论文速览]BLIP-2 ...with Frozen Image Encoders and Large Language Models[2301.12597]
AI视觉大模型教程（LLM+多模态+SAM+视觉Prompt+CV+学习路线图）从入门到实战简直配享太庙！
理解多模态大模型就这么简单
强推！计算机大佬手把手带你吃透多模态大模型【CLIP\BLIP\BLIP2\VIT】，两小时理论精讲！
多模态大模型LLaVA模型讲解——transformers源码解读
多模态经典论文集5：BLIP
从零学CLIP多模态模型，CLIP多模态模型详解
一口气讲明白多模态大模型：CLIP\BLIP\DALLE2\BERT\对比学习，全程无废话高效解读绝对通俗易懂！
