مقاله درک آسیب پذیری CLIP نسبت به فشرده سازی تصویر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Understanding the Vulnerability of CLIP to Image Compression
عنوان مقاله به فارسی مقاله درک آسیب پذیری CLIP نسبت به فشرده سازی تصویر
نویسندگان Cangxiong Chen, Vinay P. Namboodiri, Julian Padget
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 0
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 23 November, 2023; originally announced November 2023. , Comments: R0-FoMo: Workshop on Robustness of Few-shot and Zero-shot Learning in Foundation Models at NeurIPS 2023
توضیحات به فارسی ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. ، نظرات: R0-FOMO: کارگاه استحکام چند عکس و یادگیری صفر در مدلهای بنیاد در Neurips 2023

چکیده

CLIP is a widely used foundational vision-language model that is used for zero-shot image recognition and other image-text alignment tasks. We demonstrate that CLIP is vulnerable to change in image quality under compression. This surprising result is further analysed using an attribution method-Integrated Gradients. Using this attribution method, we are able to better understand both quantitatively and qualitatively exactly the nature in which the compression affects the zero-shot recognition accuracy of this model. We evaluate this extensively on CIFAR-10 and STL-10. Our work provides the basis to understand this vulnerability of CLIP and can help us develop more effective methods to improve the robustness of CLIP and other vision-language models.

چکیده به فارسی (ترجمه ماشینی)

Clip یک مدل اساسی به زبان بنیادی است که برای تشخیص تصویر صفر و سایر کارهای تراز تصویر استفاده می شود.ما نشان می دهیم که کلیپ در برابر تغییر کیفیت تصویر تحت فشرده سازی آسیب پذیر است.این نتیجه غافلگیرکننده بیشتر با استفاده از شیب های یکپارچه روش انتساب مورد تجزیه و تحلیل قرار می گیرد.با استفاده از این روش انتساب ، ما قادر به درک بهتر هم از نظر کمی و هم از لحاظ کیفی دقیقاً ماهیتی هستیم که در آن فشرده سازی بر دقت تشخیص صفر این مدل تأثیر می گذارد.ما این موضوع را به طور گسترده در CIFAR-10 و STL-10 ارزیابی می کنیم.کار ما پایه و اساس درک این آسیب پذیری کلیپ را فراهم می کند و می تواند به ما کمک کند تا روشهای مؤثرتری را برای بهبود استحکام کلیپ و سایر مدلهای بینایی زبان توسعه دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.