CLIP — Προεκπαίδευση Αντιπαραθετικής Γλώσσας-Εικόνας
Το CLIP (Contrastive Language-Image Pretraining) είναι ένα μοντέλο όρασης-γλώσσας που εισήχθη από τους Radford et al. στην OpenAI το 2021, το οποίο μαθαίνει από κοινού ευθυγραμμισμένες αναπαραστάσεις εικόνων και κειμένου εκπαιδεύοντας σε 400 εκατομμύρια ζεύγη εικόνων-κειμένων από το διαδίκτυο, χρησιμοποιώντας έναν αντιπαραθετικό στόχο, επιτρέποντας τη μεταφορά μηδενικών δειγμάτων σε εργασίες ταξινόμησης εικόνων χωρίς καμία εξειδικευμένη προσαρμογή για την εργασία.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of the 38th International Conference on Machine Learning, PMLR 139, 8748–8763. link ↗
- Radford, A., et al. (2021). Learning Transferable Visual Models From Natural Language Supervision. arXiv:2103.00020. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/el/deep-learning/clip
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ResNet (Δίκτυο Κατάλοιπων)Βαθιά Μάθηση↔ compare
- Vision TransformerΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →