# コントラスティブ学習

これは事前学習済みのバックドア注入モデルで、コントラスティブ言語画像事前学習におけるバックドアサンプル検出の研究に使用されます。

多言語WebLIデータセットで訓練されたSigLIP（言語画像事前訓練のSigmoid損失）モデルで、多言語画像分類タスクをサポートします。

ディープフェイク画像を検出するためのビジョントランスフォーマーモデルで、コントラスティブ学習とグローバル-ローカル類似性分析により高精度な偽造検出を実現します。

日本語版CLIPモデルで、日本語テキストと画像を同じ埋め込み空間にマッピングでき、ゼロショット画像分類、テキスト-画像検索などのタスクに適しています。

CLIPA-v2モデル、効率的なコントラスティブ画像テキストモデルで、ゼロショット画像分類タスクに特化しています。

WebLIデータセットで訓練されたSigLIP（言語-画像事前学習用のSigmoid損失）モデルで、ゼロショット画像分類タスクに適しています。

X-CLIPはCLIPのミニマルな拡張で、一般的なビデオ言語理解のために設計されており、（ビデオ、テキスト）ペアでコントラスティブに訓練され、ゼロショット、少数ショット、または完全教師ありのビデオ分類やビデオ-テキスト検索などのタスクに適しています。

X-CLIPはCLIPの拡張バージョンで、汎用的なビデオと言語の理解に使用され、ビデオ分類とビデオ-テキスト検索タスクをサポートします。

X-CLIPはCLIPの拡張バージョンで、汎用的なビデオと言語の理解のために設計されており、ビデオとテキストのペアでコントラスティブ学習により訓練され、ゼロショット、少数ショット、および完全教師ありのビデオ分類タスクをサポートします。

DeCLUTR-smallは、深層コントラスティブ学習に基づく汎用文エンコーダーモデルで、高品質な文埋め込み表現を生成します。