multi-modal language-vision models | BriefGPT

关键词multi-modal language-vision models

搜索结果 - 1

LAION-400M：CLIP 过滤的 4 亿张图文对开放数据集
这篇文章介绍了一个公共的数据集 LAION-400M，包含了 CLIP 过滤后的 4 亿对图片 - 文本配对、它们对应的 CLIP 嵌入以及 kNN 索引，能用于训练多模式语言视觉模型，进行零样本或少样本学习和迁移。
PDF3 years ago