Metaclip L14 400m

🚀 MetaCLIP模型，大尺寸版本，補丁分辨率14

MetaCLIP模型是一個強大的視覺模型，它基於4億個CommonCrawl (CC)數據點進行訓練。該模型在圖像與文本關聯任務中表現出色，可用於零樣本圖像分類、基於文本的圖像檢索等多種場景。

🚀 快速開始

你可以使用這個原始模型在共享嵌入空間中將圖像與文本進行關聯。這使得諸如零樣本圖像分類、基於文本的圖像檢索、基於圖像的文本檢索等任務成為可能。具體使用方法可參考 文檔，只需替換模型在模型中心的名稱即可。

✨ 主要特性

• 大規模數據訓練：應用於4億個CommonCrawl (CC)數據點進行訓練，保證了模型的泛化能力。
• 圖像文本關聯：能夠在共享嵌入空間中實現圖像與文本的有效關聯。

📚 詳細文檔

模型描述

論文 Demystifying CLIP Data 旨在揭示CLIP在訓練數據整理方面的方法。OpenAI從未開源其數據準備流程相關的代碼。

CLIP 高層概述。取自 CLIP paper。

預期用途和限制

你可以使用原始模型在共享嵌入空間中將圖像與文本進行關聯，實現零樣本圖像分類、基於文本的圖像檢索、基於圖像的文本檢索等功能。

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}
}

📄 許可證

本模型採用CC BY-NC 4.0許可證。

⚠️ 重要提示

發佈MetaCLIP的團隊並未為該模型撰寫模型卡片，此模型卡片由Hugging Face團隊編寫。