视觉编码器预训练

OpenVision 2：面向多模态学习的一族生成式预训练视觉编码器

OpenVision 2: A Family of Generative Pretrained Visual Encoders for Multimodal Learning

去掉文本编码器和对比损失、仅用captioning loss训练视觉编码器，可作为一种更省显存和时间的视觉表征预训练方案，直接用于多模态大模型的视觉塔初始化。