Chinese Clip Vit Huge Patch14

🚀 Chinese-CLIP-ViT-Huge-Patch14

このプロジェクトは、大規模な中国語の画像とテキストのペアデータセットを用いて、CLIPを実装したChinese CLIPの巨大版です。画像エンコーダにはViT-H/14、テキストエンコーダにはRoBERTa-wwm-largeを使用しています。

🚀 クイックスタート

このモデルは、大規模な中国語の画像とテキストのペアデータセットを用いて学習されたChinese CLIPの巨大版です。詳細については、技術レポート https://arxiv.org/abs/2211.01335 と公式のGitHubリポジトリ https://github.com/OFA-Sys/Chinese-CLIP を参照してください。

✨ 主な機能

• 画像とテキストの埋め込みと類似度の計算が可能です。
• 大規模な中国語の画像とテキストのペアデータセットを用いて学習されています。

💻 使用例

基本的な使用法

from PIL import Image
import requests
from transformers import ChineseCLIPProcessor, ChineseCLIPModel

model = ChineseCLIPModel.from_pretrained("OFA-Sys/chinese-clip-vit-huge-patch14")
processor = ChineseCLIPProcessor.from_pretrained("OFA-Sys/chinese-clip-vit-huge-patch14")

url = "https://clip-cn-beijing.oss-cn-beijing.aliyuncs.com/pokemon.jpeg"
image = Image.open(requests.get(url, stream=True).raw)
# Squirtle, Bulbasaur, Charmander, Pikachu in English
texts = ["杰尼龟", "妙蛙种子", "小火龙", "皮卡丘"]

# compute image feature
inputs = processor(images=image, return_tensors="pt")
image_features = model.get_image_features(**inputs)
image_features = image_features / image_features.norm(p=2, dim=-1, keepdim=True)  # normalize

# compute text features
inputs = processor(text=texts, padding=True, return_tensors="pt")
text_features = model.get_text_features(**inputs)
text_features = text_features / text_features.norm(p=2, dim=-1, keepdim=True)  # normalize

# compute image-text similarity scores
inputs = processor(text=texts, images=image, return_tensors="pt", padding=True)
outputs = model(**inputs)
logits_per_image = outputs.logits_per_image  # this is the image-text similarity score
probs = logits_per_image.softmax(dim=1)  # probs: [[1.1419e-02, 1.0478e-02, 5.2018e-04, 9.7758e-01]]

📚 ドキュメント

結果

MUGEテキストから画像への検索

Flickr30K-CN検索

COCO-CN検索

ゼロショット画像分類

📄 ライセンス

引用

もしChinese CLIPが役に立った場合は、以下の論文を引用してください。ご支援いただきありがとうございます！

@article{chinese-clip,
  title={Chinese CLIP: Contrastive Vision-Language Pretraining in Chinese},
  author={Yang, An and Pan, Junshu and Lin, Junyang and Men, Rui and Zhang, Yichang and Zhou, Jingren and Zhou, Chang},
  journal={arXiv preprint arXiv:2211.01335},
  year={2022}
}