CLIP — Preentrenamiento Contrastivo de Lenguaje e Imagen
CLIP (Preentrenamiento Contrastivo de Lenguaje e Imagen) es un modelo de visión y lenguaje introducido por Radford et al. en OpenAI en 2021 que aprende conjuntamente representaciones alineadas de imágenes y texto entrenando con 400 millones de pares de imágenes y texto obtenidos de internet mediante un objetivo contrastivo, lo que permite la transferencia de aprendizaje cero-disparo (zero-shot) a tareas de clasificación de imágenes sin necesidad de ajuste fino específico para la tarea.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/es/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 (Red Neuronal Residual)Aprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →