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基础版模型（16×16图像块分辨率）

本模型将MetaCLIP框架应用于CommonCrawl（CC）的25亿数据点，源自徐等人发表的论文《揭秘CLIP数据》（arXiv:2309.16671），并首次发布于此代码库。

免责声明：MetaCLIP发布团队未提供模型卡片，本文档由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，摘自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中的模型名称即可。

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}
}