VisualBERT: 一个简单且性能优异的视觉与语言基线模型

这篇论文还没有中文全文。点击开始翻译：服务端会拉取 arXiv 原文 PDF 并逐段翻译，保留图表引用。

开始翻译

整篇通常 2-5 分钟；翻译完成后本页直接展示译文并提供 PDF / DOCX 导出。