Architektury modeli
Kontrastowe uczenie reprezentacji obrazu i tekstu
Contrastive Language–Image Pre-training
Inne nazwy i skróty: CLIP, contrastive language-image pretraining.
Co to jest kontrastowe uczenie reprezentacji obrazu i tekstu?
Podejście do uczenia wspólnej reprezentacji obrazów i ich opisów, tak aby pasujące pary znajdowały się bliżej siebie.
Umożliwia między innymi porównywanie obrazu z opisami kategorii; sam model CLIP nie jest generatorem opisów ani obrazów.
Jak tłumaczyć ten termin?
CLIP jest nazwą modelu i metody. Polski tytuł objaśnia rozwinięcie skrótu, zamiast zastępować nazwę własną.
Przykład zastosowania
Wyszukiwarka porównuje zdjęcie części z opisami „pęknięta obudowa” i „prawidłowa obudowa” we wspólnej przestrzeni reprezentacji.
O czym pamiętać?
Podobieństwo obrazu do opisu nie jest certyfikatem poprawnej klasyfikacji.
Powiązane pojęcia
- Model sztucznej inteligencji (Artificial intelligence model)
- Sieć neuronowa (Neural network)