AltCLIP-m18

AltCLIP-m18

名称 Name 任务 Task 语言 Language(s) 模型 Model Github

:------------------: :----------: :-------------------: :--------: :------:

AltCLIP-m18 Text-Image Multilingual CLIP FlagAI

简介 Brief Introduction

继双语模型AltCLIP与9语模型AltCLIP-m9之后，我们训练了18语CLIP模型。命名为AltCLIP-m18。它支持英语、中文、日语、泰语、韩语、印地语、乌克兰语、阿拉伯语、土耳其语、越南语、波兰语、荷兰语、葡萄牙语、意大利语、西班牙语、德语、法语和俄语。

AltCLIP-m18模型可以为AltDiffusion-m18模型提供支持，关于AltDiffusion模型的具体信息可查看此教程 。

模型代码已经在 FlagAI 上开源，权重位于我们搭建的 modelhub 上。我们还提供了微调，推理，验证的脚本，欢迎试用。

Following the bilingual model AltCLIP and the nine-language model AltCLIP-m9, we trained the eighteen-language CLIP model, Named AltCLIP-m18. It supports English, Chinese, Japanese, Thai, Korean, Hindi, Ukrainian, Arabic, Turkish, Vietnamese, Polish, Dutch, Portuguese, Italian, Spanish, German, French, and Russian.

The AltCLIP-m18 model can provide support for the AltDiffusion-m18 model. Specific information on the AltDiffusion modle can be found in this tutorial.

The model code has been open sourced on FlagAI and the weights are located on modelhub. We also provide scripts for fine-tuning, inference, and validation, so feel free to try them out.

训练数据集 Training datasets

No Language Stage1(LAION400M)(MIT)

• --- :------: :----------------------------------------------------------:

1 **En**

2 **th** CCAligned

3 **ko** WikiMatrix (CC-BY-SA 4.0)

4 **hi** CCAligned

5 **uk** CCMatrix

6 **ar** WikiMatrix (CC-BY-SA 4.0), OpenSubtitles

7 **tr** WikiMatrix (CC-BY-SA 4.0), CCMatrix

8 **vi** CCMatrix

9 **pl** CCMatrix , WikiMatrix (CC-BY-SA 4.0)

10 **nl** CCMatrix

11 **pt** CCAligned

12 **it** WikiMatrix (CC-BY-SA 4.0), Wikipedia

13 **ja** MultiParaCrawl (Creative Commons CC0 license )

14 **zh** WikiMatrix (CC-BY-SA 4.0), TSL2019

15 **es** WikiMatrix (CC-BY-SA 4.0)

16 **de** WikiMatrix (CC-BY-SA 4.0), EUbookshop

17 **fr** WikiMatrix (CC-BY-SA 4.0), EuroPat (Creative Commons CC0 license)

18 **ru** WikiMatrix (CC-BY-SA 4.0), CCMatrix

\[1] WuDaoMM数据集仅用于学术研究，任何使用该数据集都应该遵循以下要求。WuDaoMM不拥有这些图片的版权。 图片的使用必须遵守Flickr使用条款。 图像的用户对使用数据集承担全部责任，不私自传播上面的图片。 如果图片的版权受到侵犯，请联系我们，我们将立即删除。

[1] WuDaoMMdataset is only used for academic research, any use of this dataset should follow the following requirements. WuDaoMM does not own the copyright of these pictures. Use of images is subject to the Flickr term of use. Users of the images take full responsibility for using the dataset and do not distribute the above images privately. If the copyright of the image is violated, please contact us and it will be removed immediately.

阶段1使用平行语料库数据。

阶段2和3主要使用Laion-Aesthetics的一个子集。中文数据集采用wudaoMM数据集(CC-BY-SA 4.0)。

Stage 1 uses parallel corpus data.

Stage2&3 mainly use a subset of Laion-Aesthetics. The wudaoMM data set (CC-BY-SA 4.0) is used as a Chinese data set.

引用 Citation

关于AltCLIP，我们已经推出了相关报告，有更多细节可以查阅，如对您的工作有帮助，欢迎引用。

If you find this work helpful, please consider to cite

AltCLIP-m18评测 AltCLIP-m18 evaluation

部分数据集评测结果展示:

Partial dataset evaluation results are displayed:

ImageNet

ImageNet-adv ImageNet-adv-cn ImageNet-adv-es ImageNet-adv-fr ImageNet-adv-it ImageNet-adv-jp ImageNet-adv-ko ImageNet-adv-ru ImageNet-ren ImageNet-ren-cn imageNet-ren-es ImageNet-ren-fr ImageNet-ren-it ImageNet-ren-jp ImageNet-ren-ko ImageNet-ren-ru ImageNet-ske ImageNet-ske-cn ImageNet-ske-es ImageNet-ske-fr ImageNet-ske-it ImageNet-ske-jp ImageNet-ske-ko ImageNet-ske-ru ImageNet-1k ImageNet-1k-cn ImageNet-1k-es ImageNet-1k-fr ImageNet-1k-it ImageNet-1k-jp ImageNet-1k-ko ImageNet-1k-ru ImageNet-v2 ImageNet-v2-cn ImageNet-v2-es ImageNet-v2-fr ImageNet-v2-it ImageNet-v2-jp ImageNet-v2-ko ImageNet-v2-ru

:---------: :----------: :-------------: :-------------: :-------------: --------------- --------------- --------------- --------------- ---- :----------: :-------------: :-------------: :-------------: :-------------: :-------------: :-------------: :-------------: :--: :----------: :-------------: :-------------: :-------------: :-------------: :-------------: :-------------: :-------------: ---- ----------- -------------- -------------- -------------- -------------- -------------- -------------- -------------- ---- ----------- -------------- -------------- -------------- -------------- -------------- -------------- -------------- ----

AltCLIP-M18 58 50.35 43.56 44.07 48.25 36.48 38.48 40.57 89.53 81.36 71.78 74.96 76.44 67.68 69.27 75.53 65.42 51.26 97.44 84.83 30.52 68.62 67.46 54.4 76.71 57.12 54.22 54.84 52.29 51.71 53.65 51.53 65.45 51.76 48.91 49.24 47.27 46.76 48.1 46.53

其他分类 Other classification

caltech101 cars cifar10 cifar100 country211 dtd eurosat fer2013 Fgvc-aircraft flowers food101 gtsrb Hateful-memes Kitti-distance Mnist pcam pets Renderedsst2 Resisc45 Voc2007

:----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----: :----:

AltCLIP-M18 88.25 92.75 97.44 84.83 30.52 68.62 67.46 54.4 40.41 71.64 92.49 56.35 50.8 14.91 78.46 54.76 94.11 65.95 70.83 81.62

检索 Retrieval

Multi30k-de-I2T Multi30k-de-T2I Multi30k-en-I2T Multi30k-en-T2I Multi30k-fr-I2T Multi30k-fr-I2T Xtd-de-I2T Xtd-de-T2I Xtd-en-I2T Xtd-en-T2I Xtd-es-I2T Xtd-es-T2I Xtd-fr-I2T Xtd-fr-T2I Xtd- it- I2T Xtd-it- T2I Xtd-jp-I2T Xtd-jp-T2I Xtd-ko-I2T Xtd-ko-T2I Xtd-pl-I2T Xtd-pl-T2I Xtd-ru-I2T Xtd-ru-T2I Xtd-tr-I2T Xtd-tr-T2I Xtd-zh-I2T Xtd-zh-T2I

:---------: :-------------: :-------------: :-------------: :-------------: :-------------: :-------------: :--------: :--------: :--------: :--------: :--------: :--------: :--------: :--------: :----------: :---------: :--------: :--------: :--------: :--------: :--------: ---------- ---------- ---------- ---------- ---------- ---------- ----------

AltCLIP-M18 84.4 65.82 91.1 77.76 74.5 75.4 64.76 66.57 72.17 72.67 65.83 65.03 67.17 67.47 66.63 66.03 58.96 62.96 61.42 64.43 67.23 69.14 60.22 61.02 65.03 64.23 64.53 65.43

Cifar10 dataset evaluation code

推理脚本 inference

微调 fintuning

Cifar10 dataset