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（超大尺寸版本，14×14图像块分辨率）

本模型基于CommonCrawl（CC）的25亿数据点应用MetaCLIP技术，由徐等人在论文《揭秘CLIP数据》（https://arxiv.org/abs/2309.16671）中提出，并首发于该代码库。

免责声明：MetaCLIP发布团队未编写本模型卡片，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训练数据筛选方法。OpenAI从未开源其数据预处理流程的相关代码。

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

请参阅官方文档，仅需替换模型库中的名称即可。

文献引用信息

@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}  
}