4 个月前

EVA-CLIP:改进的大规模CLIP训练技术

EVA-CLIP:改进的大规模CLIP训练技术

摘要

对比语言-图像预训练(Contrastive Language-Image Pre-training,简称CLIP)因其在多种场景中的潜力而受到越来越多的关注。本文提出了一种名为EVA-CLIP的模型系列,显著提高了CLIP训练的效率和效果。我们的方法引入了新的表示学习、优化和增强技术,使得EVA-CLIP在参数数量相同的情况下,相比之前的CLIP模型实现了更优的性能,同时大幅降低了训练成本。特别值得一提的是,我们最大的50亿参数模型EVA-02-CLIP-E/14+仅通过90亿样本就达到了ImageNet-1K验证集上的82.0%零样本顶级准确率。较小的EVA-02-CLIP-L/14+模型拥有4.3亿参数和60亿样本,也在ImageNet-1K验证集上达到了80.4%的零样本顶级准确率。为了促进开放访问和开放研究,我们将完整的EVA-CLIP套件发布到社区,地址为https://github.com/baaivision/EVA/tree/master/EVA-CLIP。

代码仓库

基准测试

基准方法指标
image-classification-on-objectnetEVA-02-CLIP-E/14+
Top-1 Accuracy: 79.6
zero-shot-action-recognition-on-ucf101EVA-CLIP-E/14+
Top-1 Accuracy: 83.1
zero-shot-transfer-image-classification-on-1EVA-CLIP-E/14+
Accuracy (Private): 82
zero-shot-transfer-image-classification-on-17EVA-CLIP-E/14+
Top 1 Accuracy: 94.9
zero-shot-transfer-image-classification-on-3EVA-CLIP-E/14+
Accuracy (Private): 75.7
zero-shot-transfer-image-classification-on-4EVA-CLIP-E/14+
Accuracy: 94.5
zero-shot-transfer-image-classification-on-5EVA-CLIP-E/14+
Accuracy (Private): 82.1
zero-shot-transfer-image-classification-on-6EVA-CLIP-E/14+
Accuracy (Private): 79.6
zero-shot-transfer-image-classification-on-8EVA-CLIP-E/14+
Accuracy (Private): 71.6

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
EVA-CLIP:改进的大规模CLIP训练技术 | 论文 | HyperAI超神经