作者为何不建议直接使用openai 的ViT-B/32 而是要使用laion

[Bruce-W12138]

非常棒非常优秀的工作，有个问题想向您请假，为什么不直接使用openai的预训练模型而要使用hugging face的ViT-B/32呢？是因为作者有做过相关实验认为如果这样用了效果会没有那么好吗

[Algolzw]

是的，我们实验发现直接用预训练好的模型提取embedding效果不是很好，具体可以参考论文里figure 9 (c)。