最全 LMM 模型结构（13种）综述本文中我们介绍了 13 中常见的大型多模态模型（Large Multimodal Models, LMM），包括 BLIP-2，LLaVA、MiniGPT、Qwen-VL 以及 Ferret 等。https://mp.weixin.qq.com/s/EnK7F0yPYmXQ-l1L8gp3hQ主要包括两种：

1.基于learnable query的方案，包括：

Perceiver resampler、Q-former、Cross-attention

2.基于投影projection的方案，包括：

单层linear投影、两层mlp