Contrastive Language-Image Pretraining (CLIP)
Un modello di rete neurale pubblicato da OpenAI nel Febbraio 2021 che permette la classificazione zero-shot di immagini senza un apprendimento supervisionato in cui, attraverso fine-tuning, viene aggiunto un layer di classificazione a un modello pre-addestrato com per esempoio ResNet-50.
Stable Diffusion ne utilizza il tokenizer.
Links
Paper
Learning Transferable Visual Models From Natural Language Supervision
Altri
https://github.com/openai/CLIP