FARE4 Convnext Base W Laion2b S13b B82k Augreg

🚀 オープンクリップ（Open CLIP）

CLIPモデルに基づく堅牢な知覚指標で、画像のゼロショット分類を行います。

[論文] [GitHub]

CLIPモデル laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg に基づく堅牢な知覚指標です。

FARE（Schlarmann et al. (2024)）を用いて、ImageNet上で無限ノルムと半径4/255で敵対的にファインチューニングされています。

知覚的類似性タスク NIGHTS での性能：

Clean     L-inf, eps=4/255     L2, eps=3
90.6      74.3                 66.1

🚀 クイックスタート

このモデルの使い方を紹介します。

💻 使用例

基本的な使用法

model, _, image_processor = open_clip.create_model_and_transforms('hf-hub:chs20/FARE4-convnext_base_w-laion2B-s13B-b82K-augreg')

📄 ライセンス

このライブラリはMITライセンスの下で提供されています。

📚 ドキュメント

引用

このモデルが役に立った場合は、以下の論文を引用してください。

@inproceedings{croce2024adversarially,
  title={Adversarially Robust CLIP Models Can Induce Better (Robust) Perceptual Metrics},
  author={Croce, Francesco and Schlarmann, Christian and Singh, Naman Deep and Hein, Matthias},
  year={2025},
  booktitle={{SaTML}}
}

@inproceedings{schlarmann2024robustclip,
    title={Robust CLIP: Unsupervised Adversarial Fine-Tuning of Vision Embeddings for Robust Large Vision-Language Models}, 
    author={Schlarmann, Christian and Singh, Naman Deep and Croce, Francesco and Hein, Matthias},
    year={2024},
    booktitle={{ICML}}
}