Metaclip B16 Fullcc2.5b

🚀 MetaCLIPモデル、ベースサイズ版、パッチ解像度16

MetaCLIPモデルは、CommonCrawl (CC) の25億のデータポイントに適用されます。このモデルは、Xuらによる論文 Demystifying CLIP Data で紹介され、このリポジトリ で最初に公開されました。

免責事項: MetaCLIPを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されました。

✨ 主な機能

モデルの説明

論文 Demystifying CLIP Data は、CLIPのトレーニングデータの選別方法を明らかにすることを目的としています。OpenAIは、彼らのデータ準備パイプラインに関するコードをオープンソース化したことはありません。

CLIPの概要。CLIP論文 より引用。

想定される用途と制限

この生モデルは、共有埋め込み空間で画像とテキストを関連付けるために使用できます。これにより、ゼロショット画像分類、テキストベースの画像検索、画像ベースのテキスト検索などが可能になります。

使い方

ドキュメント を参照してください。ハブ上のモデル名を置き換えるだけです。

BibTeXエントリと引用情報

@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}
}

📄 ライセンス

このモデルはCC BY-NC 4.0ライセンスの下で提供されています。