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
원문링크 : CLIP, DINOv2 Similarity