清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Learning Transferable Visual Models From Natural Language Supervision

计算机科学 人工智能 概括性 学习迁移 任务(项目管理) 机器学习 对象(语法) 可扩展性 自然语言 自然语言处理 集合(抽象数据类型) 可用性 人机交互 数据库 程序设计语言 心理学 管理 经济 心理治疗师
作者
Alec Radford,Jong Wook Kim,Chris Hallacy,Aditya Ramesh,Gabriel Goh,Sandhini Agarwal,Girish Sastry,Amanda Askell,Pamela Mishkin,Jack Clark,Gretchen Krueger,Ilya Sutskever
出处
期刊:Cornell University - arXiv 被引量:3685
标识
DOI:10.48550/arxiv.2103.00020
摘要

State-of-the-art computer vision systems are trained to predict a fixed set of predetermined object categories. This restricted form of supervision limits their generality and usability since additional labeled data is needed to specify any other visual concept. Learning directly from raw text about images is a promising alternative which leverages a much broader source of supervision. We demonstrate that the simple pre-training task of predicting which caption goes with which image is an efficient and scalable way to learn SOTA image representations from scratch on a dataset of 400 million (image, text) pairs collected from the internet. After pre-training, natural language is used to reference learned visual concepts (or describe new ones) enabling zero-shot transfer of the model to downstream tasks. We study the performance of this approach by benchmarking on over 30 different existing computer vision datasets, spanning tasks such as OCR, action recognition in videos, geo-localization, and many types of fine-grained object classification. The model transfers non-trivially to most tasks and is often competitive with a fully supervised baseline without the need for any dataset specific training. For instance, we match the accuracy of the original ResNet-50 on ImageNet zero-shot without needing to use any of the 1.28 million training examples it was trained on. We release our code and pre-trained model weights at https://github.com/OpenAI/CLIP.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
阿泽发布了新的文献求助10
17秒前
蚂蚁踢大象完成签到 ,获得积分10
22秒前
1分钟前
amar完成签到 ,获得积分0
1分钟前
胖哥发布了新的文献求助10
2分钟前
kokoko完成签到,获得积分10
2分钟前
3分钟前
受伤觅柔发布了新的文献求助10
3分钟前
微笑高山完成签到 ,获得积分10
3分钟前
dream完成签到 ,获得积分10
3分钟前
自由飞翔完成签到 ,获得积分10
3分钟前
NexusExplorer应助MARS采纳,获得10
4分钟前
zyjsunye完成签到 ,获得积分0
4分钟前
4分钟前
MARS发布了新的文献求助10
4分钟前
科研通AI2S应助spark810采纳,获得10
5分钟前
科研通AI2S应助spark810采纳,获得10
5分钟前
科研通AI2S应助spark810采纳,获得10
5分钟前
Orange应助科研通管家采纳,获得10
5分钟前
爆米花应助胖哥采纳,获得10
6分钟前
了晨完成签到 ,获得积分10
6分钟前
6分钟前
胖哥发布了新的文献求助10
6分钟前
李爱国应助krajicek采纳,获得10
6分钟前
7分钟前
krajicek发布了新的文献求助10
7分钟前
7分钟前
宇文非笑完成签到 ,获得积分10
7分钟前
7分钟前
8分钟前
8分钟前
8分钟前
9分钟前
10分钟前
芳华如梦完成签到 ,获得积分10
10分钟前
11分钟前
sunnyqqz完成签到,获得积分10
11分钟前
爱静静应助科研通管家采纳,获得10
11分钟前
爱静静应助科研通管家采纳,获得10
11分钟前
bing完成签到 ,获得积分10
12分钟前
高分求助中
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3121655
求助须知:如何正确求助?哪些是违规求助? 2772108
关于积分的说明 7710963
捐赠科研通 2427467
什么是DOI,文献DOI怎么找? 1289348
科研通“疑难数据库(出版商)”最低求助积分说明 621386
版权声明 600145