이번 글은 이번에 Anydoor를 하면서 지속된 의문이 었던 CLIP score, DINO score를 살펴보기 위해서 두 개의 방법을 활용해 SImilarity를 측정해보았고 어떤 방법이 무슨 특징을 나타내는지 확인하기 위해 작성하게 되었습니다. 전체 코드는 여기서 살펴볼 수 있으며 앞으로도 이해되지 않는 것들을 간단하게 살펴볼 수 있는 코드들을 작성해서 여기 모아둘까 싶습니다.
모아두면 나중에 써먹을 때도 편하게 가져와서 사용할 수 있을 것 같기도 하고, 결과가 생각나지 않을 때 코드를 간단히 실행해서 확인해 볼 수 있으니 다양한 이해에도 도움이 되리라 생각됩니다. GitHub - jjunsss/laboratory: various experiments for checking various experiments for checking.
Contribute to jjunsss/laboratory development by creating an account on GitHub. git...
#
AIResearch
#
searching
#
SelfSupervisedLearning
#
Similarity
#
SimilarityMeasurement
#
TextImageMatching
#
textsearching
#
VectorSearch
#
VisualTransformers
#
VIT
#
유사도측정
#
이미지유사도
#
이미지유사도측정
#
장카유설
#
OpenAICLIP
#
MachineLearning
#
CLIPScore
#
Clip과DINO
#
CosineSimilarity
#
DataScience
#
DeepLearning
#
DINOScore
#
DINOV2
#
DINOvsCLIP
#
FacebookAI
#
FaissLibrary
#
HuggigfaceDINO
#
ImageEmbedding
#
ImageRecognition
#
코드예시
원문 링크 : CLIP, DINOv2 Similarity
![[prompt]Conditional Prompt Learning for Vision-Language Models (CoCoOp paper)](https://mblogthumb-phinf.pstatic.net/MjAyNDAzMjZfOTgg/MDAxNzExNDU5ODUzNDk3.oj7B_FtFO4_DxY6-XuMlmdjrm1ie9dgYSeIFKnCLHuIg.vwZbQ9hvbLKmiWOC4oy-nz2AjUzgCEkfTdd7QgxisB0g.PNG/image.png?type=w2)