许可协议: cc-by-nc-4.0
标签:

• 视觉
• 元剪辑
  小部件示例:
• 图片地址: 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基础版模型（16x16图像块分辨率）

该模型将MetaCLIP框架应用于CommonCrawl(CC)的4亿数据点，源自徐等人发表的论文《揭秘CLIP数据》，并首发于此代码库。

免责声明：MetaCLIP研发团队未提供本模型卡片，当前内容由Hugging Face团队撰写。

模型描述

《揭秘CLIP数据》论文旨在揭示CLIP训练数据筛选的底层方法——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

该原始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

请参阅官方文档，仅需替换Hub上的模型名称即可。

BibTeX引用格式

@misc{xu2023demystifying,  
      title={Demystifying CLIP Data},   
      author={Hu Xu and Saining Xie and Xiaoqing Ellen Tan and Po-Yao Huang and Russell Howes and Vasu Sharma and Shang-Wen Li and Gargi Ghosh and Luke Zettlemoyer and Christoph Feichtenhofer},  
      year={2023},  
      eprint={2309.16671},  
      archivePrefix={arXiv},  
      primaryClass={cs.CV}  
}