视觉语言预训练(VLP)模型通过对比学习等方法,在多模态任务上表现出了优异的性能。然而现有研究忽视了多视角描述带来的好处,以及语义和语法的重要性。为了解决这一问题,文中提出了多视角对比学习和语义增强多模态预训练(Multi-view lea...视觉语言预训练(VLP)模型通过对比学习等方法,在多模态任务上表现出了优异的性能。然而现有研究忽视了多视角描述带来的好处,以及语义和语法的重要性。为了解决这一问题,文中提出了多视角对比学习和语义增强多模态预训练(Multi-view learning and Semantic Enhancement for Multimodal pre-training,MulSE)模型。MulSE主要分为3个部分:1)在融合编码器模型中,引入带有生成器的多视角对比学习;2)提出了一种新的自监督视觉语言预训练任务——多模态文本重排序;3)增加并探寻最优MLM掩码比例,最大化利用视觉信息的能力。通过改进预训练任务,采取多种最优策略,并通过实验验证MulSE增强了模态内部和模态间的理解能力以及对文本语法和语义的理解能力。预训练仅用4×106的数据量,在图文检索任务中就达到了先前大型数据集的效果,且其在视觉问答和视觉蕴含任务上的评估效果优于先前的理解式VLP模型。展开更多
该研究采用ζ-电位法和浊度滴定法评价了卡拉胶(carrageenan, CG)类型(κCG,ιCG,λCG)对热改性豌豆分离蛋白(heat-treated pea protein isolated, HPPI)在不同质量比(0.5∶1~6∶1)和不同pH(7.0~2.0)相行为的影响,并对不同类型复合物进...该研究采用ζ-电位法和浊度滴定法评价了卡拉胶(carrageenan, CG)类型(κCG,ιCG,λCG)对热改性豌豆分离蛋白(heat-treated pea protein isolated, HPPI)在不同质量比(0.5∶1~6∶1)和不同pH(7.0~2.0)相行为的影响,并对不同类型复合物进行了表征。结果表明,卡拉胶电荷密度对相变过程有显著影响,HPPI和κCG,ιCG、λCG的临界质量混合比分别是1.5∶1、3∶1、3∶1;3种卡拉胶均能抵抗HPPI的聚集,但是ιCG具有最好的抵抗效果,可归因于其独特的分子构型和硫酸盐数量,HPPI和3种卡拉胶的相图均可以分为3个相区;HPPI和ιCG以静电相互作用和氢键结合形成复合物,相比于单独的HPPI,复合物的疏水性降低,并且呈团簇和聚集态分布。该研究对于更深入了解蛋白质和多糖的相互作用以及对食品系统的设计和稳定性调控具有重要意义。展开更多
文摘视觉语言预训练(VLP)模型通过对比学习等方法,在多模态任务上表现出了优异的性能。然而现有研究忽视了多视角描述带来的好处,以及语义和语法的重要性。为了解决这一问题,文中提出了多视角对比学习和语义增强多模态预训练(Multi-view learning and Semantic Enhancement for Multimodal pre-training,MulSE)模型。MulSE主要分为3个部分:1)在融合编码器模型中,引入带有生成器的多视角对比学习;2)提出了一种新的自监督视觉语言预训练任务——多模态文本重排序;3)增加并探寻最优MLM掩码比例,最大化利用视觉信息的能力。通过改进预训练任务,采取多种最优策略,并通过实验验证MulSE增强了模态内部和模态间的理解能力以及对文本语法和语义的理解能力。预训练仅用4×106的数据量,在图文检索任务中就达到了先前大型数据集的效果,且其在视觉问答和视觉蕴含任务上的评估效果优于先前的理解式VLP模型。
文摘该研究采用ζ-电位法和浊度滴定法评价了卡拉胶(carrageenan, CG)类型(κCG,ιCG,λCG)对热改性豌豆分离蛋白(heat-treated pea protein isolated, HPPI)在不同质量比(0.5∶1~6∶1)和不同pH(7.0~2.0)相行为的影响,并对不同类型复合物进行了表征。结果表明,卡拉胶电荷密度对相变过程有显著影响,HPPI和κCG,ιCG、λCG的临界质量混合比分别是1.5∶1、3∶1、3∶1;3种卡拉胶均能抵抗HPPI的聚集,但是ιCG具有最好的抵抗效果,可归因于其独特的分子构型和硫酸盐数量,HPPI和3种卡拉胶的相图均可以分为3个相区;HPPI和ιCG以静电相互作用和氢键结合形成复合物,相比于单独的HPPI,复合物的疏水性降低,并且呈团簇和聚集态分布。该研究对于更深入了解蛋白质和多糖的相互作用以及对食品系统的设计和稳定性调控具有重要意义。