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地填写文献信息,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) 对象(语法) 可扩展性 自然语言处理 机器学习 自然语言 集合(抽象数据类型) 可用性 人机交互 数据库 程序设计语言 经济 管理 心理治疗师 心理学
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 [Cornell University]
被引量:5297
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
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
害怕的冰颜完成签到 ,获得积分10
10秒前
leapper完成签到 ,获得积分10
25秒前
亳亳完成签到 ,获得积分10
29秒前
charih完成签到 ,获得积分10
32秒前
忧郁的涵雁完成签到 ,获得积分10
33秒前
Xu完成签到,获得积分10
34秒前
蔡勇强完成签到 ,获得积分10
41秒前
你的样子完成签到,获得积分10
46秒前
唠叨的轩轩完成签到,获得积分10
53秒前
xun发布了新的文献求助10
54秒前
可靠映秋完成签到,获得积分10
54秒前
gg完成签到 ,获得积分10
59秒前
sheg完成签到,获得积分10
1分钟前
lyb1853完成签到 ,获得积分10
1分钟前
西山菩提完成签到,获得积分10
1分钟前
tiankong完成签到,获得积分10
1分钟前
arniu2008应助科研通管家采纳,获得20
1分钟前
my完成签到 ,获得积分10
1分钟前
zhixue2025完成签到 ,获得积分10
1分钟前
alex12259完成签到 ,获得积分10
1分钟前
Heart_of_Stone完成签到 ,获得积分10
1分钟前
dangdang完成签到 ,获得积分10
2分钟前
美罗培南完成签到 ,获得积分0
2分钟前
LJ_2完成签到 ,获得积分0
2分钟前
chenzhuod完成签到,获得积分10
2分钟前
whitepiece完成签到,获得积分0
2分钟前
笔墨纸砚完成签到 ,获得积分10
2分钟前
年轻花卷完成签到,获得积分10
2分钟前
mix完成签到 ,获得积分10
2分钟前
Turing完成签到,获得积分10
2分钟前
yinyin完成签到 ,获得积分10
2分钟前
橘子女王完成签到 ,获得积分10
2分钟前
彭晓雅完成签到,获得积分10
2分钟前
Turing完成签到,获得积分10
2分钟前
sudeep完成签到,获得积分10
2分钟前
研友_nV2ROn完成签到,获得积分10
3分钟前
自然亦凝完成签到,获得积分10
3分钟前
shizhiheng完成签到 ,获得积分10
3分钟前
Rocky完成签到 ,获得积分10
3分钟前
是榤啊完成签到 ,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
48V Low-voltage Power Distribution Network (PDN) Architecture Industry Report, 2024 800
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 700
适配Micro-LED色转换的高兼容性量子点负性光刻胶制备与工艺研究 500
Direct and Iterative Linear System Solvers 500
Vander's Renal Physiology第10版 500
Rocket Propulsion Elements, 10th Edition 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7305122
求助须知:如何正确求助?哪些是违规求助? 8923184
关于积分的说明 18902139
捐赠科研通 6967992
什么是DOI,文献DOI怎么找? 3212183
关于科研通互助平台的介绍 2381003
邀请新用户注册赠送积分活动 2189520