CLIP — Kontrastívne predtrénovanie jazyka a obrazu
CLIP (Contrastive Language-Image Pretraining) je model vízie a jazyka, ktorý v roku 2021 predstavili Radford et al. v OpenAI. Spoločne sa učí zarovnané obrazové a textové reprezentácie trénovaním na 400 miliónoch párov obraz-text získaných z internetu pomocou kontrastného cieľa, čo umožňuje prenos s nulovým výstrelom (zero-shot) do úloh klasifikácie obrazu bez akéhokoľvek doladenia špecifického pre danú úlohu.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/sk/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 (reziduálna sieť)Hlboké učenie↔ compare
- Vision TransformerHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →