विजन-भाषा मॉडल वस्तुओं के गुणों को बांधते समय मिश्रण पर अटक जाते हैं।
SABER multimodal पुनर्प्राप्ति में विशेषता-ऑब्जेक्ट बाध्यकारी परीक्षण करता है; मॉडल विफल हो जाते हैं, लेकिन केवल पाठ संश्लेषण प्रशिक्षण बंधन और खोज में सुधार करता है।
SABER multimodal पुनर्प्राप्ति में विशेषता-ऑब्जेक्ट बाध्यकारी परीक्षण करता है; मॉडल विफल हो जाते हैं, लेकिन केवल पाठ संश्लेषण प्रशिक्षण बंधन और खोज में सुधार करता है।