#ICLR 2023

Binder项目展示了在符号语言中实现语言模型绑定的方法，提供代码和演示页面，通过少量程序注释即可达到优越性能。项目支持OpenAI系列模型，并随更新不断优化。用户可在项目页面和演示页面体验其功能。

该项目实现了BERT风格的自监督预训练方法在卷积神经网络中的应用，能够对如ResNet等任意CNN进行预训练。项目代码简洁易读，只需最少的依赖项。在ImageNet数据集上表现优异，展示了小模型在预训练后能够超越大模型的能力，同时生成性自监督学习优于对比学习。

VLDet是一种开放词汇目标检测方法，通过学习对象与语言的对齐来直接从图像-文本对训练检测器。基于CLIP的视觉-语言预训练模型，该方法将任务构建为二分图匹配问题，在COCO和LVIS等数据集上实现了领先性能，并可轻松扩展到新目标类别。VLDet为开放词汇目标检测提供了高效的解决方案。