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 generativiCLIP 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