Chameleonを徹底解説 — 画像もテキストも同じトークンで扱う早期融合マルチモーダルモデル【Meta 2024】 2026年6月27日 機械学習 BLIP-2のようなマルチモーダルモデルは、画像エンコーダと言語モデルという別々... ChameleonTransformerマルチモーダル学習安定化早期融合離散トークン