Learning Transferable Visual Models From Natural Language Supervision
"Movio" aracının arkasındaki bilimsel makalenin özeti.
Bu makale, hem metin hem de görüntü verilerinden öğrenen ve bunları ilişkilendirebilen bir yapay zeka modeli olan CLIP'i (Contrastive Language-Image Pre-training) sunmaktadır. CLIP, geniş bir internet veri kümesi üzerinde eğitilmiş ve sıfır vuruşlu görüntü sınıflandırması gibi çeşitli görevlerde etkileyici sonuçlar elde etmiştir. Bu, modelin önceden görmediği görüntüleri etiketleyebileceği anlamına gelir. CLIP, metin ve görüntüleri ortak bir uzayda eşleştirerek çalışır, böylece bir metin açıklaması verildiğinde, ilgili görüntüyü bulabilir veya tam tersini yapabilir.