Learning Transferable Visual Models From Natural Lan...

GitHub - openai/CLIP: Contrastive Language-Image Pre...

CLIP: Connecting Text and Images

AI趨勢周報第154期：OpenAI零樣本學習新作CLIP，不靠128萬樣本就完勝ResNet50

回頭看CLIP

CLIP : Contrastive Language-Image Pre-Training
如何评价OpenAI最新的工作CLIP：连接文本和图像，zero shot效果堪比ResNet50？ -...

「2022 年回头来看，几个高赞答主感觉十分低估 CLIP。不知道关注点怎么就在 zero-shot，大数据集上了。我觉得它涨了多少性能，用的方法多么朴素粗暴，这些完全不重要。我现在感觉 CLIP 是一个远超 best paper 的工作，以前看不出来说明我们水平不行。CLIP 为 CV 研究者打开了一片非常非常广阔的天地，原因在于 CLIP 真的把自然语言级别的抽象概念带到计算机视觉里了。当然肯定有其它类似工作，但 CLIP 跨过了奇点。CLIP 夸大了它在 zero-shot 上的贡献吗？我相信 21 年的一众 paper 刷新了大家以往对于 zero-shot 的认知。"zero shot 效果堪比 ResNet50"，这话误导了太多人。」

Grounded Language-Image Pre-training

GitHub - microsoft/GLIP: Grounded Language-Image Pre...

High-Resolution Image Synthesis with Latent Diffusio...

High-Resolution Image Synthesis with Latent Diffusio...

GitHub - CompVis/latent-diffusion: High-Resolution I...

GitHub - CompVis/stable-diffusion: A latent text-to-...

OpenAI 的 multimodal 神經網路（上）DALL·E: 從文本創造圖片 | by catc...

OpenAI 的 multimodal 神經網路 (下) CLIP: Connecting Text a...

BLIP: Bootstrapping Language-Image Pre-training for ...

Large scale openCLIP: L/14, H/14 and g/14 trained on...

GitHub - mlfoundations/open_clip: An open source imp...

Models - Hugging Face

Compositional Visual Generation with Composable Diff...

AK on Twitter

長度拉長+Negative prompt