CLIP: การเรียนรู้แบบเปรียบเทียบระหว่างรูปภาพและข้อความ

ก่อน CLIP ตัวแยกประเภทรูปภาพสามารถตอบได้เพียงว่า 'หมวดหมู่ใดใน 1,000 หมวดนี้คือหมวดหมู่ใด' พวกเขาต้องการตัวอย่างที่มีป้ายกำกับหลายพันตัวอย่างต่อหมวดหมู่ และไม่สามารถให้เหตุผลเกี่ยวกับแนวคิดที่กำหนดเองได้ CLIP เปลี่ยนแปลงสิ่งนี้ด้วยข้อมูลเชิงลึกเพียงข้อเดียว แทนที่จะคาดการณ์ชุดป้ายกำกับที่ตายตัว ให้ฝึกแบบจำลองเพื่อทำความเข้าใจว่ารูปภาพและข้อความบรรยายถึงสิ่งเดียวกันหรือไม่ ด้วยการฝึกอบรมคู่รูปภาพและข้อความ 400 ล้านคู่ที่คัดลอกมาจากอินเทอร์เน็ต CLIP เรียนรู้พื้นที่ฝังภาษาภาพที่ใช้ร่วมกันโดยที่รูปภาพและคำอธิบายอยู่ใกล้กัน

Full content is available with a subscription.
Get full access to all courses on the platform for one year with a single payment.
Unlike other platforms that charge per course, here you get everything for one price, and after one year of use there will be no automatic charge for the following year.