आपके काम के लिए रेटेड एआई टूल
AI ट्रेन करके कमाएँ
🤝 आप फ्री & ओपन सोर्स लाइब्रेरी में हैं — समुदाय द्वारा बनाए गए टूल जिन्हें आप बिना भुगतान किए उपयोग कर सकते हैं। हमारी स्कोर की गई AI डायरेक्टरी से अलग एक अवधारणा।
होम › फ्री & ओपन सोर्स › वीडियो › CLIP4Cir
✦ फ्री & ओपन सोर्सवीडियो

CLIP4Cir

फाइन-ट्यून किए गए CLIP फीचर्स के माध्यम से टेक्स्ट संशोधनों के साथ जोड़ी गई संदर्भ छवि का उपयोग करके लक्ष्य छवियों को पुनः प्राप्त करता है।

CLIP और कंट्रास्टेटिव लर्निंग के माध्यम से कंपोज्ड इमेज रिट्रीवल

मल्टीमॉडल एम्बेडिंग के साथ विजुअल डेटाबेस खोजने के लिए इमेज क्वेरी को नेचुरल लैंग्वेज टेक्स्ट एडिट्स के साथ मिलाएं।

हमेशा के लिए मुफ़्त · ओपन सोर्स · MIT
✓ Needs IT✓ ब्राउज़र-आधारित✓ रियल-टाइम सहयोग
6.4
ZEKAI
शक्तिशाली मल्टीमॉडल सर्च टूल
फ्री & ओपन सोर्स · वीडियो
सेटअप की आसानी4
उपयोगिता7
रखरखाव9.5
समुदाय5
★ 196
गिटहब
Oct 2026
अपडेटेड
MIT
लाइसेंस
🛠 खुद होस्ट नहीं करना चाहते? हम इसे सेट कर सकते हैं →
⚡ त्वरित उत्तर

CLIP4Cir, OpenAI के CLIP आर्किटेक्चर पर आधारित कंपोज्ड इमेज रिट्रीवल (CIR) के लिए एक open-source PyTorch इम्प्लीमेंटेशन है। यह डेवलपर्स और शोधकर्ताओं को बेसलाइन संदर्भ छवि और वर्णनात्मक टेक्स्ट एडिट्स के संयोजन का उपयोग करके लक्ष्य छवियों को पुनः प्राप्त करने की अनुमति देता है। यह मल्टीमॉडल सर्च सिस्टम बनाने वाली वीडियो अनुसंधान और मीडिया इंडेक्सिंग टीमों के लिए उपयुक्त है।

इस पर चलता है
Cross-platform
होस्टिंग
Self-host
भाषाएँ
Python
लाइसेंस
MIT

यह क्या है

यह फ्रेमवर्क संयुक्त इमेज-टेक्स्ट क्वेरी और लक्ष्य छवियों पर कंट्रास्टेटिव लॉस का उपयोग करके दोनों CLIP एनकोडर को फाइन-ट्यून करता है। फिर यह डेटाबेस लुकअप के लिए इमेज और टेक्स्ट फीचर वेक्टर को एक एकीकृत एम्बेडिंग में मर्ज करने के लिए खरोंच से एक समर्पित Combiner नेटवर्क को प्रशिक्षित करता है। प्रशिक्षण और मूल्यांकन स्क्रिप्ट के साथ FashionIQ और CIRR डेटासेट के लिए प्री-ट्रेन किए गए वेट प्रदान किए जाते हैं।

किसके लिए

यह टूल कंप्यूटर विजन शोधकर्ताओं, वीडियो मीडिया एसेट मैनेजमेंट इंजीनियरों और इमेज-एंड-टेक्स्ट क्वेरी पाइपलाइन बनाने वाले ML डेवलपर्स के लिए उपयुक्त है। इसे तैयार डेस्कटॉप वीडियो एडिटर GUI या प्लग-एंड-प्ले ब्राउज़र टूल की तलाश कर रहे अंत उपयोगकर्ताओं के लिए डिज़ाइन नहीं किया गया है।

मुख्य विशेषताएँ

टास्क-ओरिएंटेड CLIP फाइन-ट्यूनिंग

एलिमेंट-वाइज फीचर सम और कंट्रास्टेटिव लॉस का उपयोग करके विजुअल और टेक्स्टुअल दोनों CLIP एनकोडर को अपडेट करता है।

समर्पित मल्टीमॉडल Combiner नेटवर्क

इमेज और सापेक्ष कैप्शन फीचर्स को एक ही क्वेरी वेक्टर में संयोजित करने के लिए एक विशेष फ़्यूजन नेटवर्क को प्रशिक्षित करता है।

प्री-ट्रेन किए गए बेंचमार्क मॉडल

GitHub रिलीज़ के माध्यम से FashionIQ और CIRR डेटासेट पर प्रशिक्षित उपयोग के लिए तैयार PyTorch मॉडल चेकपॉइंट प्रदान करता है।

संरचित डेटासेट मूल्यांकन स्क्रिप्ट

Comet.ml प्रयोग लॉगिंग समर्थन के साथ सत्यापन और CIRR परीक्षण सबमिशन जनरेशन के लिए स्क्रिप्ट शामिल हैं।

कैसे शुरू करें

3 चरणों में तैयार

1
रिपॉजिटरी को क्लोन करें और Python 3.8, PyTorch 1.11.0, और torchvision के साथ एक Conda वातावरण सेट अप करें।
2
डेटासेट फ़ाइलें (FashionIQ या CIRR) डाउनलोड करें और उन्हें आवश्यक निर्देशिका संरचना में व्यवस्थित करें।
3
GitHub रिलीज़ से प्री-ट्रेन किए गए चेकपॉइंट डाउनलोड करें या clip_fine_tune.py और combiner_train.py चलाएं।
सच कहें तो

हमारा ईमानदार फैसला

क्या अच्छा है

  • सटीक छवि और फ्रेम पुनर्प्राप्ति के लिए विजुअल संदर्भ छवियों को टेक्स्ट विवरण के साथ जोड़ता है।
  • FashionIQ और CIRR जैसे बेंचमार्क डेटासेट पर मानक CLIP बेसलाइन से बेहतर प्रदर्शन करता है।
  • त्वरित मूल्यांकन के लिए प्री-ट्रेन किए गए CLIP और Combiner नेटवर्क वेट प्रदान करता है।
  • सत्यापन सेट और परीक्षण भविष्यवाणियों के लिए मूल्यांकन स्क्रिप्ट शामिल हैं।

कहाँ कमी है

  • एनकोडर को फाइन-ट्यून करने और Combiner को प्रशिक्षित करने के लिए CUDA-सक्षम GPU हार्डवेयर और भारी कंप्यूट संसाधनों की आवश्यकता होती है।
  • कोड में ग्रेडिएंट चेकपॉइंटिंग और फीचर प्री-कंप्यूटेशन जैसी आंतरिक गति अनुकूलन का अभाव है।
  • प्रशिक्षण और परीक्षण वर्कफ़्लो के लिए सख्त डेटासेट निर्देशिका लेआउट आवश्यकताएँ।
  • केवल कमांड-लाइन और कोड लाइब्रेरी, जिसमें विजुअल यूजर इंटरफेस का अभाव है।
लागत

मूल्य & लाइसेंस

CLIP4Cir MIT लाइसेंस के तहत पूरी तरह से मुफ़्त और open source है। प्राथमिक लागत बड़े छवि डेटासेट के लिए अपना खुद का GPU कंप्यूट इंफ्रास्ट्रक्चर और स्टोरेज प्रदान करने से आती है।

पेड वर्क

हिंदी बोलने वालों के लिए जॉब्स

879 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।

सभी खुले रोल देखें →
तुलना

विकल्प

🎁 फ्री & ओपन-सोर्स विकल्प
और पाएं

इसे उपयोग करें, या हमसे सेट करवाएं

📄 मुफ़्त PDF: वीडियो के लिए CLIP4Cir
आपका पहला परिणाम पाने के लिए सरल भाषा में गाइड। आपके इनबॉक्स में।
🔔 64 लोग पूरा वीडियो ट्यूटोरियल चाहते हैं — अपना वोट जोड़ें
🛠 खुद सेट नहीं करना चाहते?
हम CLIP4Cir को आपके लिए इंस्टॉल, होस्ट और कॉन्फ़िगर करेंगे — और आपकी टीम को प्रशिक्षित करेंगे।
हमसे करवाएं ↗
प्रश्न

सामान्य प्रश्न

कंपोज्ड इमेज रिट्रीवल क्या है?

कंपोज्ड इमेज रिट्रीवल आपको वांछित परिवर्तनों निर्दिष्ट करने वाले टेक्स्ट प्रॉम्प्ट के साथ-साथ संदर्भ छवि का उपयोग करके विजुअल डेटाबेस खोजने की अनुमति देता है।

क्या मैं GPU के बिना CLIP4Cir चला सकता हूँ?

जबकि आप सैद्धांतिक रूप से CPU पर PyTorch लोड कर सकते हैं, व्यावहारिक समय सीमा के भीतर फाइन-ट्यूनिंग या पूर्ण डेटासेट पुनर्प्राप्ति चलाने के लिए CUDA-सक्षम GPU की आवश्यकता होती है।

क्या CLIP4Cir प्री-ट्रेन किए गए मॉडल वेट प्रदान करता है?

हाँ, FashionIQ और CIRR के लिए प्री-ट्रेन किए गए CLIP और Combiner नेटवर्क चेकपॉइंट प्रोजेक्ट GitHub रिलीज़ पेज पर होस्ट किए गए हैं।

रडार

ताज़ा AI समाचार

✉️ साप्ताहिक मुफ़्त टूलकिट
वीडियो के लिए सर्वश्रेष्ठ नए फ्री & ओपन-सोर्स टूल — हर हफ्ते एक छोटा ईमेल, आपकी भाषा में।
मुफ़्त · 1 ईमेल/सप्ताह · कभी भी अनसब्सक्राइब करें
AI ट्रेनिंग से पैसे कमाएँ →

Google में Zekai को सबसे पहले देखें