中文

Web3模因币多模态评估框架CoinCLIP

图像与视频处理 2024-12-12 v2 计算机视觉与模式识别

摘要

在Web3生态系统中,由Pump.fun等平台推动的模因币快速增长,使得任何人都能轻松创建代币。然而,这种民主化也导致了大量低质量或机器人生成的项目激增,这些项目通常以短期经济利益为动机。投机性代币的大量涌入使得区分有潜力的模因币和不太可能成功的模因币变得极具挑战性。为解决这个问题,我们引入了CoinVibe,一个用于评估模因币可行性的全面多模态数据集。该数据集整合了文本描述、视觉内容(徽标)和社区数据(用户评论、时间戳和点赞数),以提供对模因币潜力的全面视角。此外,我们提出了CoinCLIP,一种新颖的框架,利用对比语言-图像预训练(CLIP)模型,并辅以轻量级模块和社区数据整合,以提高分类准确性。通过将视觉和文本表示与社区洞察相结合,CoinCLIP提供了一种稳健的、数据驱动的方法来过滤低质量或机器人驱动的项目。这项研究旨在帮助创作者和投资者识别高潜力的模因币,并为理解其长期成功的驱动因素提供有价值的见解。代码和数据集可在https://github.com/hwlongCUHK/CoinCLIP.git公开获取。

关键词

引用

@article{arxiv.2412.07590,
  title  = {Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model},
  author = {Jiahua Xu and Dawei Zhou and Lei Hu and Jianfeng Guo and Feng Yang and Zaiyi Liu and Nannan Wang and Xinbo Gao},
  journal= {arXiv preprint arXiv:2412.07590},
  year   = {2024}
}

备注

12 pages, 8 figures, AAAI 2025