PERCEPTIONCLIP: 인간 시각 인지 과정을 모방한 영상 분류

CLIP의 인간과 유사한 시각 및 언어 이해 능력을 활용하여, 영상의 배경, 방향 등 문맥 정보를 추론하고 이를 활용해 영상을 분류하는 방법을 제안한다.