Estamos llegando a un punto donde la combinación de los modelos de Deep Learning de visión y lenguaje nos están ofreciendo herramientas realmente increíbles. Hoy hablaremos de CLIP, un potente modelo capaz de comprender el contenido de imágenes y asociarlas con su descripción correspondiente. ¿Para qué sirve esto? Mira el vídeo y descubre el potencial que hay tras la unión de la visión por computador y el procesamiento del lenguaje natural.

INDICE DEL VÍDEO

00:00​ Intro
01:38​ Problemas de la Visión por Computador
04:51​ ¿Qué es CLIP?
07:50​ Pausa para el café
08:10​ ¿Qué nos aporta CLIP?
10:03​ Demo de CLIP
10:55​ Modelos más versátiles
11:51​ Visualizando las neuronas de CLIP
14:13​ StyleCLIP
15:28​ Ataques Tipográficos
16:24​ Final