タグ

#画像テキスト学習の記事一覧

1件の記事があります。

マルチモーダル

SigLIPとは？画像と文章をペア単位で学習し、マルチモーダル検索の学習効率を高める技術

SigLIPは、画像と文章の対応をシグモイド損失で学習する技術です。CLIPとの違い、損失を分割して計算する仕組み、実験結果、画像検索やゼロショット分類への応用と導入時の注意点を解説します。

参照論文：Sigmoid Loss for Language Image Pre-Training