Machine learning
CLIP — การเรียนรู้ล่วงหน้าแบบเปรียบต่างระหว่างภาษาและภาพ
CLIP (Contrastive Language-Image Pretraining) เป็นแบบจำลองการมองเห็น-ภาษาที่นำเสนอโดย Radford และคณะที่ OpenAI ในปี 2021 ซึ่งเรียนรู้การแสดงภาพและข้อความที่สอดคล้องกันโดยการฝึกฝนจากคู่ภาพ-ข้อความ 400 ล้านคู่ที่ได้จากอินเทอร์เน็ต โดยใช้เป้าหมายแบบเปรียบต่าง ทำให้สามารถถ่ายโอนแบบ zero-shot ไปยังงานจำแนกประเภทภาพได้โดยไม่ต้องปรับแต่งเฉพาะสำหรับงานนั้นๆ
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/th/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 (เครือข่ายส่วนที่เหลือ)การเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare