首页
/ MiniGemini项目中ConvNext与Siglip模型融合的技术探讨

MiniGemini项目中ConvNext与Siglip模型融合的技术探讨

2025-06-25 20:03:33作者:凤尚柏Louis

背景介绍

MiniGemini是一个多模态大模型项目,其核心架构采用了视觉语言模型(VLM)与ConvNext的结合。在项目开发过程中,开发者们发现了一些值得深入探讨的技术细节问题,特别是关于ConvNext的Drop Path机制以及Siglip模型融合时的稳定性问题。

ConvNext的Drop Path机制优化

在原始MiniGemini实现中,ConvNext模块保留了0.1的Drop Path率,这是ConvNext标准训练配置的一部分。Drop Path是一种正则化技术,通过在训练过程中随机"丢弃"网络中的某些路径来防止过拟合。

然而,经过开发者进一步实验验证,关闭Drop Path机制反而带来了性能提升:

  • TextVQA任务从65.2提升至65.9
  • MME评测从1523/316提升至1540/332
  • MM-Vet评测从40.8提升至42.1

这一发现促使项目团队更新了代码,提供了不启用Drop Path的训练配置选项。这一改进表明,在多模态模型训练场景下,ConvNext作为特征提取器时,可能不需要过强的正则化约束。

Siglip模型融合的技术挑战

Siglip作为一种性能优于CLIP的新型视觉语言模型,开发者尝试将其引入MiniGemini框架时遇到了数值稳定性问题:

  1. 分辨率对齐问题:Siglip默认输入尺寸为384x384,输出特征图尺寸为27x27,这要求ConvNext的输入分辨率必须调整为864才能保持空间对齐。

  2. 数值不稳定现象:在训练初期(iter=2)就会出现NaN值,即使将所有计算转换为FP32精度也无法解决。问题主要出现在注意力计算环节:

    embed_att = embed_query[:, :, None] @ (embed_aux.transpose(-1, -2) / (embed_aux.shape[-1] ** 0.5))
    
  3. 预处理差异:Siglip与CLIP使用不同的图像预处理均值和标准差,虽然理论上特征分布一致性更重要,但实际融合时可能产生影响。

技术启示与建议

  1. 模型融合稳定性:不同视觉模型的特征分布可能存在较大差异,直接替换可能导致数值不稳定。建议采用渐进式融合策略或添加归一化层。

  2. 正则化策略选择:预训练模型在下游任务微调时,可能需要调整原有正则化强度,Drop Path并非总是必要。

  3. 多模态对齐:当替换视觉骨干网络时,需要仔细考虑输入输出分辨率、特征维度等对齐问题,简单的尺寸调整可能不足以保证训练稳定性。

这些实践经验为多模态模型开发提供了有价值的参考,特别是在模型组件替换和优化过程中需要注意的技术细节。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8