Alec RadfordJong Wook KimChris HallacyAditya RameshGabriel GohSandhini AgarwalGirish SastryAmanda AskellPamela MishkinJack Clark等。从自然语言监督中学习可迁移的视觉模型。在ICML2021年。37Aditya Ramesh Prafulla Dhariwal Alex N

Alec Radford，Jong Wook Kim，Chris Hallacy，Aditya Ramesh，Gabriel Goh，Sandhini Agarwal，Girish Sastry，Amanda Askell，Pamela Mishkin，Jack Clark等。从自然语言监督中学习可迁移的视觉模型。在ICML，2021年。 [37]Aditya Ramesh, Prafulla Dhariwal, Alex Nichol, Casey Chu和Mark Chen。具有Clip潜变量的层次文本条件图像生成。arXiv预印本arXiv:2204.06125，2022年。 1 [38]Robin Rombach，Andreas Blattmann，Dominik Lorenz，Patrick Esser和Bjorn Ommer。使用潜在扩散模型进行高分辨率图像合成。在CVPR，2022年。 1, 7, 8 [39]Candace Ross，Boris Katz和Andrei Barbu。在基于视觉和语言嵌入的接地视觉和语言嵌入中测量社会偏见。在NAACL，2021年。 1, 2 [40]Chitwan Saharia，William Chan，Saurabh Saxena，Lala Li，Jay Whang，Emily Denton，Seyed Kamyar Seyed Ghasemipour，Burcu Karagol Ayan，S Sara Mahdavi，Rapha Gontijo Lopes等。具有深度语言理解的逼真文本到图像扩散模型。在NeurIPS，2022年。1 [41]Christoph Schuhmann，Robert Kaczmarczyk，Aran Komatsuzaki，Aarush Katta，Richard Vencu，Romain Beaumont，Jenia Jitsev，Theo Coombes和Clayton Mullis。LAION400M：Clip过滤的400万个图像文本对的开放数据集。在NeurIPS Workshop Datacentric AI，2021年。1 [42]Piyush Sharma，Nan Ding，Sebastian Goodman和Radu Soricut。概念字幕：用于自动图像字幕的清理、上位词化的图像替代文本数据集。在ACL，2018年。1, 2, 3 [43]Tejas Srinivasan和Yonatan Bisk。两个世界中最糟糕的：预训练的视觉和语言模型中的偏见相互叠加。在2022年性别偏见自然语言处理研讨会上。 2 [44]魏杰苏，朱希舟，曹悦，李斌，卢乐伟，魏福如，戴继锋。Vl-bert: 通用视觉语言表示的预训练。在ICLR，2019年。 3 [45]唐瑞祥，杜梦楠，李悦宁，刘子睿，邹娜，胡霞。减轻字幕系统中的性别偏见。在WWW，2021年。 2 [46]Emiel Van Miltenburg。Flickr30k数据集中的刻板印象和偏见。在多模态语料库研讨会上，2016年。 7 [47]Ashish Vaswani，Noam Shazeer，Niki Parmar，Jakob Uszkoreit，Llion Jones，Aidan N Gomez，Łukasz Kaiser和Illia Polosukhin。注意力就是一切。在NeurIPS，2017年。6 [48]Anthony J Viera，Joanne M Garrett等。理解观察者间的一致性：kappa统计量。家庭医学，37（5）：360-363，2005年。 4 将人名翻译为中文名，其他不变