结合Q-Former+V-DETR预训练25epoch，是目前得到的最新的预训练模型 ✅
Q-Former结构中使用的数据有hidden_state以及encoder_feature

使用pretrain_enc_vdetr_v2_25e.pth在ScanQA数据集上进行finetune的模型
目前从测试结果来看40个epoch结果和20epoch各有优势

结合Q-Former+V-DETR预训练20epoch，上一个版本的预训练模型，整体效果没有最新版好
Q-Former结构中使用的数据只有hidden_state