Machine learning

CLIP — Pré-entraînement contrastif langue-image

CLIP (Contrastive Language-Image Pretraining) est un modèle vision-langage introduit par Radford et al. chez OpenAI en 2021. Il apprend conjointement des représentations alignées d'images et de textes en s'entraînant sur 400 millions de paires image-texte provenant d'Internet, en utilisant un objectif contrastif. Cela permet un transfert "zero-shot" vers des tâches de classification d'images sans aucun ajustement spécifique à la tâche.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. 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
  2. Radford, A., et al. (2021). Learning Transferable Visual Models From Natural Language Supervision. arXiv:2103.00020. link
  3. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3

Comment citer cette page

ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/fr/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.

Compare side by side

Référencée par

ScholarGateCLIP (Contrastive Language-Image Pretraining). Consulté le 2026-06-15 sur https://scholargate.app/fr/deep-learning/clip · Jeu de données : https://doi.org/10.5281/zenodo.20539026