OpenAI CLIP 关键点

标签： #CLIP #Image2Text #Text2Image #OpenAI 创建时间：2023-04-21 00:17:52 基本原理 CLIP是一个图像分类模型。 准备训练数据：准备大量的文本描述和图片的训练对，然后把进行对比训练。 文本描述和图片的训练对的数据获取：从互联网上获得400Million的图像文本数据对。这个 规模大致和GPT-2的数据规模相当。 好处1：数据获取容易。传统的做法会对图像进行分类，以ImageNet为例，获得图片后需要人工进行分类标注，这...