CLIP 为视觉美学学习者带来更好的特征.pdfVIP

CLIP为视觉美学学习者带来更好的特征

11*†1211†

LiwuXu,JinjinXu,YuzheYang,XiluWang,Yi-JieHuang,YaqianLi

12

OPPOAICenterUniversityofSurrey

摘要—图像美学评估（IAA）由于其主观性和昂贵的手动大规模预训练模型，例如ImageNet分类任务，来学习

注释而是一项具有挑战性的任务。最近的大规模视觉语言模型，丰富的可迁移知识[4;8]。

如对比语言-图像预训练（CLIP），已经展示了它们在各种下游

近期，大规模多模态预训练模型，如GPTs[9]、

任务中的强大表示能力。然而，将CLIP应用于资源受限和低数

据IAA任务的应用仍十分有限。尽管有一些尝试利用CLIP进CoCa[10]和CLIP[11]，展现出了显著的