Where can we find the weights of the pretrained CLIP:ResNet-50 ?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 1/5
- Tempo stimato
- Meno di un'ora
- Idoneità per principianti
- 25/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Start by checking the linked CNNDetection repository and the project's references to CLIP:RN50. Determine whether pretrained CLIP:ResNet-50 weights are available and document their location or availability for users experimenting with uncropped images.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hello,
First of all, thank you for your excellent work—both the paper and this repository are incredibly insightful.
I noticed in the CNNDetection repository that they achieved better results using uncropped images. I’m interested in experimenting with this approach using your model. However, since CLIP:ViT models are sensitive to image dimensions, I’m considering using CLIP:ResNet models instead (especially CLIP:RN50 as mentionned in your paper). Although CLIP:ResNet models tend to yield slightly lower performance compared to CLIP:ViT, they offer greater flexibility in handling varying image dimensions, which could be beneficial for this experiment.
Do you still have the pretained weights of CLIP:RN50 ?
- Lingua principale
- Python
- Stelle
- 379
- Fork
- 60
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di WisconsinAIVision/UniversalFakeDetect
-
扩散模型的数据数量是不是有问题Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
WisconsinAIVision/UniversalFakeDetect#31 · 1 commento ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
WisconsinAIVision/UniversalFakeDetect#29 · 1 reazione ·
-
dataset is unavailableAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 55/100
WisconsinAIVision/UniversalFakeDetect#28 · 4 commenti ·
-
about methodAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 30/100
Tutte le issue di WisconsinAIVision/UniversalFakeDetect
Issue simili
-
bug P2 rust
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
jscott3201/rusty-bacnet#2085 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
evarness-ai/iris-harness#401 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
sistemicorp/scripts#62 ·
-
area/mac help wanted needs-qa
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 76/100