Metaclip L14 400m

🚀 MetaCLIP模型，大尺寸版本，补丁分辨率14

MetaCLIP模型是一个强大的视觉模型，它基于4亿个CommonCrawl (CC)数据点进行训练。该模型在图像与文本关联任务中表现出色，可用于零样本图像分类、基于文本的图像检索等多种场景。

🚀 快速开始

你可以使用这个原始模型在共享嵌入空间中将图像与文本进行关联。这使得诸如零样本图像分类、基于文本的图像检索、基于图像的文本检索等任务成为可能。具体使用方法可参考 文档，只需替换模型在模型中心的名称即可。

✨ 主要特性

• 大规模数据训练：应用于4亿个CommonCrawl (CC)数据点进行训练，保证了模型的泛化能力。
• 图像文本关联：能够在共享嵌入空间中实现图像与文本的有效关联。

📚 详细文档

模型描述

论文 Demystifying CLIP Data 旨在揭示CLIP在训练数据整理方面的方法。OpenAI从未开源其数据准备流程相关的代码。

CLIP 高层概述。取自 CLIP paper。

预期用途和限制

你可以使用原始模型在共享嵌入空间中将图像与文本进行关联，实现零样本图像分类、基于文本的图像检索、基于图像的文本检索等功能。

BibTeX引用和引用信息

@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}
}

📄 许可证

本模型采用CC BY-NC 4.0许可证。

⚠️ 重要提示

发布MetaCLIP的团队并未为该模型撰写模型卡片，此模型卡片由Hugging Face团队编写。