Diffusion反馈强势助力CLIP秒变火眼金睛：北京智源研究院、中科院自动化所联合推出 DIVA ！

文章预览

作者：王文轩（中科院自动化所-智源研究院联培博一研究生），孙泉（智源研究院视觉模型研究中心算法研究员），张帆（智源研究院视觉模型研究中心算法研究员），唐业鹏（北交博一研究生），刘静（中科院自动化所研究员），王鑫龙（智源研究院视觉模型研究中心负责人） 单位：中科院自动化所，中国科学院大学，北京智源人工智能研究院，北京交通大学 论文链接：https://arxiv.org/abs/2407.20171 项目主页：https://rubics-xuan.github.io/DIVA/ 相关代码链接：https://github.com/baaivision/DIVA 动机何在？——CLIP视觉缺陷 对比语言-图像预训练（CLIP）在跨领域和跨模态的开放世界表示方面表现出色，已成为各种视觉和多模态任务的基础。 自从CLIP被提出以来，近年来涌现了许多关于CLIP模型的后续研究。这些研究通过预训练和微调CLIP模型，取得了性能提升并开发了 ………………………………