许可协议: cc-by-nc-4.0 标签:

• 视觉
• 元剪辑 微件示例:
• 图片来源: https://huggingface.co/datasets/mishig/sample_images/resolve/main/cat-dog-music.png 候选标签: 演奏音乐, 进行运动 示例标题: 猫与狗

MetaCLIP模型（大尺寸版本，14×14图像块分辨率）

本模型将MetaCLIP框架应用于CommonCrawl(CC)的25亿数据点，相关技术由徐等人在论文《揭示CLIP数据之谜》中提出，并首发于该代码库。免责声明：MetaCLIP研发团队未提供模型卡片，本文档由Hugging Face团队撰写。

模型描述

《揭示CLIP数据之谜》论文旨在解密CLIP训练数据筛选方法。OpenAI始终未公开其数据预处理流程的源代码。

CLIP高层架构示意图。引自CLIP原始论文。

应用场景与限制

该基础模型可用于构建图像-文本共享嵌入空间，支持零样本图像分类、基于文本的图像检索、基于图像的文本检索等任务。

使用方法

请参考官方文档，使用时替换为对应的Hub模型名称即可。

文献引用信息

@misc{xu2023demystifying,
      title={揭示CLIP数据之谜}, 
      author={徐虎 and 谢赛宁 and 谭晓青 and 黄柏尧 and Russell Howes and Vasu Sharma and 李尚文 and Gargi Ghosh and Luke Zettlemoyer and Christoph Feichtenhofer},
      year={2023},
      eprint={2309.16671},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}