CLIP (Contrastive Language-Image Pre-training)

/klɪp/

CLIP (Contrastive Language-Image Pre-training): Un modello multimodale addestrato per comprendere relazioni tra immagini e testo. CLIP apprende embedding congiunti di immagini e testo attraverso contrastive learning su 400M coppie immagine-testo. Permette classificazione immagini zero-shot e alimenta molte applicazioni vision-language. Esempi di applicazione: Classificazione immagini zero-shot, Ricerca immagini per testo, Conditioning per text-to-image generation.

In English: CLIP (Contrastive Language-Image Pre-training)Legge II · Probabilità, softmax e modelli generativi

CLIP apprende embedding congiunti di immagini e testo attraverso contrastive learning su 400M coppie immagine-testo. Permette classificazione immagini zero-shot e alimenta molte applicazioni vision-language.

Esempi

  • Classificazione immagini zero-shot
  • Ricerca immagini per testo
  • Conditioning per text-to-image generation

Fonti