多模态 · 2021 · ALIGN
Scaling Up Visual and Vision-Language Representation Learning With Noisy Text Supervision
Chao Jia et al.
研究大规模噪声图文数据下的双编码器表示学习。
图文对齐噪声数据双编码器
复现空间 · 建议计划
研究 · 方案研读 · 编辑建议，尚未实测
最小实验目标
设计小规模数据噪声比例消融，并说明与原始数据规模的差异。
数据集 / 环境
许可明确的公开图文对；原始十亿级语料不作为本地可用前提。
评估项
- Recall@1/5/10
- 零样本分类准确率
边界与常见偏差
替代语料上的实验属于机制验证，不能声明完整复现 ALIGN 训练。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。