Tecoa4 Convnext Base W Laion2b S13b B82k Augreg

🚀 オープンクリップ (Open Clip)

CLIPモデルに基づいた堅牢な知覚指標で、画像分類タスクに役立ちます。

[論文] [GitHub]

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

ImageNet上で、無限ノルムと半径4/255を用いて、TeCoA (Mao et al. (2023)) で敵対的に微調整されています。

知覚的類似性タスク [NIGHTS](https://dreamsim - nights.github.io) での性能:

クリーンデータ     L - inf, eps = 4/255     L2, eps = 3
92.3              81.9                   78.5

💻 使用例

基本的な使用法

model, _, image_processor = open_clip.create_model_and_transforms('hf-hub:chs20/TeCoA4-convnext_base_w-laion2B-s13B-b82K-augreg')

📄 ライセンス

このプロジェクトはMITライセンスの下で提供されています。

📚 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いただけると幸いです。

@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}}
}