用“大白话”精准搜图,OpenAI的CLIP惊艳了所有人
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 别再怕图片搜索结果牛头不对马嘴了,你可以试试这个精准图片搜索,来自OpenAI最新的技术CLIP。 只需一句“大白话”描述,便能给出想要的图片。 例如输入: The word用“ love written on the wall 就会得到这样的结果: 可以说是相当的精准了!这就是今天在Reddit上爆火的一个项目。 这个项目利用到的,便是OpenAI前不久频频刷屏的DALL·E中的核心模块——CLIP,一个负责重排序(rerank)的模大白型。 这个项目使用谷歌Colab Notebook,而且在线、免费,包含200万图片数据集,最重要的是效果还非常的精准。 不禁引得网友直呼“Amazing”。 简单几步,“大白话”在线精准搜图 这个项目之所以如此火爆,操作简单是很重要的一个原因之一。 首先要做的话”,就是点开该项目在Colab Notebook中的地址(见文末链接),登陆自己的账号。 至于环境配置、包或库的调用,这个项目非常贴心的已经做好了,只需要依次点击cell左侧的小三角,等待运行完成即可。 最后,来到包含如下代码的cell: search_que精准ry = “Two dogs playing in the snow” 点击运行这个cell,便可得到搜索图片的结果,例如: 当然,这个程序似乎很懂人,若是输入“当你的代码跑通时的情绪”: The feeling when your program&搜图nbsp;finally works 得到的结果,和正常人想象中的应该是一致的: 为什么CLIP搜图能如此精准? OpenAI前不久推出的DALL·E,主要能实现的功能就是 可以按照文字描述、生成对应图片。 而其呈现给我们的最终作品,,O其实是它生成大量图片中的一部分。 在中间过程中,其实也有排名、打分的帅选过程。 这部分的任务,便是由CLIP来完成: 越是它看得懂、匹配度最高的作品,分数就会越高,排名也会越靠前。 这种结构,有点像是利用生成对抗文本,以合成图像的GAN。 不过,相比于利pe用GAN扩大图像分辨率、匹配图像-文本特征等方法,CLIP则选择了直接对输出进行排名。 据研究人员表示,CLIP网络的最大意义在于,它缓解了深度学习在视觉任务中,最大的两个问题。 首先,它降低了深度学习需要的数据标注量。 相比于手动在ImageNenAt上,用文字描述1400万张图像,CLIP直接从网上已有的“文字描述图像”数据中进行学习。 此外,CLIP还能“身兼多职”,在各种数据集上的表现都很好(包括没见过的数据集)。 但此前的大部分视觉神经网络,只能在训练的数据集上有不错的表现。 例如,CLIPI的与ResNet101相比,在各项数据集上都有不错的检测精度,然而ResNet101在除了ImageNet以外的检测精度上,表现都不太好。 具体来说,CLIP用到了零样本学习(zero-shot learning)、自然语言理解和多模态学习等技术,来CL完成图像的理解。 例如,描述一只斑马,可以用“马的轮廓+虎的皮毛+熊猫的黑白”。这样,网络就能从没见过的数据中,找出“斑马”的图像。 最后,CLIP将文本和图像理解结合起来,预测哪些图像,与数据集中的哪些文本能完成最好的配对。 网友:机器人(bot)可能IP不太高兴 在惊叹CLIP用“大白话”搜索图片效果之余,一位Reddit网友还发现了一个比较有意思的搜索结果。 他在文本描述的代码部分输入: What image best represents how you feel right now? 这句话在我们人类眼中,应当惊艳是询问AI的语气了,然后出来的图片结果是这样的: 还有这样的: 嗯,看来是被“玩多了”,AI宝宝有点小脾气了。 参考链接: 项目地址:
https://www.reddit.com/r/MachineLearning/comments/l52qe6/p_use_了所natural_language_queries_to_search_2/
https://colab.research.google.com/github/haltakov/natural-language-image-search/blob有人/main/colab/unsplash-image-search.ipynb#scrollTo=OswqrzaeMy1J
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 潞晨科技自研Open-Sora 2.0 被收录进《State of AI Report 2025》
- 惊悚!美国校医利用AI工具研究毒药,致丈夫瘫痪
- 大众CEO Twitter首秀 对马斯克喷“垃圾话”
- 2021年11款最佳的开源 Kubernetes 工具
- 5分钟了解Docker原理之二,最简单的Cgroups介绍!
- 外媒:微软将耗资20亿美元在印度推出第四个数据中心
- 标签: 睿云联创 智能对讲 港交所上市 AI家居
- 标签: 亿纬锂能 港股IPO 锂电池
- 暖心黑科技!谷歌地图上能寻找已故亲人
- 惊艳世人的NASA火星无人机,究竟是怎么设计出来的?
- 云安全日报210709:IBM数据整合平台发现身份绕过,信息泄露漏洞,需要尽快升级
- 标签: 长江存储 中信证券 Xtacking 3D NAND
- IBM发布Cloud Satellite扩张边缘计算市场
- 中国量子计算原型机「九章」问世:它一分钟完成的任务,超算需要一亿年
- 英特尔股价跌近6% 该公司第四季度净利润同比下降15%
- 标签: 新石器 腾讯 无人配送 L4级自动驾驶
- 云计算核心技术Docker教程:Docker Swarm 任务和日程安排运行原理
- 标签: 天下秀 WEIQ 李连杰 红人营销
- xAI起诉前工程师窃取机密:Grok核心技术或流入OpenAI
- 阿里云张勇:已有20万企业用户申请接入通义千问AI大模型测试
- 搜索
-
- 友情链接