OpenAI 发布 CLIP Pre-training Data 数据集, 应用在 计算机视觉、自然语言处理 领域

OpenAI 本次发布的数据集 CLIP Pre-training Data, 该数据集包含了通过网页抓取获得的图像-标题对，用于训练CLIP模型。尽管数据存在一定的噪声，但所提出的方法试图通过聚类来降低噪声。此外，该数据集旨在训练CLIP模型，重点关注通过聚类减少假阴性样本并增强硬阴性样本。该数据集的规模从数亿到数十亿样本不等，任务是对抗性图像-语言预训练。

查看CLIP Pre-training Data

关于 OpenAI , 开放人工智能研究中心（OpenAI）是一家致力于开发和推广友好人工智能的研究机构，成立于2015年，由埃隆·马斯克、萨姆·阿尔特曼等人共同创立。其目标是确保人工智能的发展能够造福全人类，避免其被少数人控制。OpenAI的研究领域涵盖机器学习、自然语言处理、机器人技术等，并在多个领域取得了显著成果。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。