CLIP — Para-paralelizimi gjuhë-imazh kontrastiv
CLIP (Para-paralelizimi gjuhë-imazh kontrastiv) është një model vizion-gjuhë i prezantuar nga Radford et al. në OpenAI në vitin 2021, i cili mëson në mënyrë të përbashkët përfaqësime të harmonizuara imazhesh dhe tekst duke u trajnuar në 400 milionë çifte imazh-tekst të marra nga interneti, duke përdorur një objektiv kontrastiv, duke mundësuar transferimin zero-shot në detyra klasifikimi imazhesh pa asnjë përshtatje specifike për detyrën.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/sq/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 (Rrjeti Rezidual)Mësimi i thellë↔ compare
- Vision TransformerMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →