Tecoa4 Convnext Base W Laion2b S13b B82k Augreg

🚀 開放剪輯（Open Clip）

基於CLIP模型的強大感知度量工具，用於零樣本圖像分類，在圖像感知相似性任務中表現出色

[論文] [GitHub]

本項目構建了一個穩健的感知度量工具，它基於CLIP模型laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg。該模型在ImageNet上使用無窮範數和半徑4/255，通過TeCoA（Mao等人 (2023)）進行對抗性微調。

📊 在感知相似性任務 NIGHTS 上的性能表現

🚀 快速開始

💻 使用示例

基礎用法

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

📄 許可證

本項目採用MIT許可證。

📚 引用

如果您發現此模型有用，請考慮引用我們的論文：

@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}}
}