OpenAI提出的CLIP，被Meta联合谢赛宁、刘壮，扩展到全球300+语言

Meta与多所高校联合提出MetaCLIP 2，首次在300余种语言的全球图文对上从零训练CLIP模型，无需依赖翻译或外部资源。研究发现“多语言诅咒”源于训练规模不足，通过扩展元数据、优化筛选算法与训练策略，在ViT-H/14模型上实现英语准确率81.3%及多项多语言检索SOTA。该模型支持原生语言监督、文化多样性，并提供全球基础数据集，推动多模态模型发展。
来源：https://mp.weixin.qq.com/s/yyS2RZI-hFxcAMxD00ZEbg