タグ: CLIP

3{icon} {views} Attentionはこれまでの研究から多く有用性は報告されていたのですが、ネットワークの内側で使われることが多く、わかりやすく差を体感できる例を自分は知りませんでした。今回はCLIPのAd […]...

634{icon} {views} CoCaとBLIP2の訓練済みモデルで遊んでみました。「ImageNet 1Kのゼロショット精度」と「キャプション生成」の2点について検証してみました。 きっかけ ほぼ同時期にBLIP […]...

165{icon} {views} オープンセットな行動認識のできるText4VisというモデルをHMDB51で試し撃ちしてみました。訓練済みモデルが公開されており、すぐ利用することができます。 はじめに Text4Vi […]...

146{icon} {views} タイトル：Lightweight Attentional Feature Fusion: A New Baseline for Text-to-Video Retrieval 著者：F […]...

92{icon} {views} タイトル：Domino: Discovering Systematic Errors with Cross-Modal Embeddings 著者：Sabri Eyuboglu, May […]...

322{icon} {views} タイトル：Exploring Visual Prompts for Adapting Large-Scale Models 著者：Hyojin Bahng, Ali Jahanian, […]...

1.6k{icon} {views} タイトル：Hierarchical Text-Conditional Image Generation with CLIP Latents リンク：https://cdn.opena […]...

527{icon} {views} 引用 タイトル：One-Shot Adaptation of GAN in Just One CLIP 論文：https://arxiv.org/abs/2203.09301 コード： […]...