MetaCLIP es un modelo de aprendizaje automático de código abierto para el aprendizaje de representaciones conjuntas de imágenes y texto. A través de un algoritmo simple, filtra los datos CLIP sin depender de filtros de modelos previos, mejorando así la calidad y transparencia de los datos. Las principales contribuciones de MetaCLIP incluyen el filtrado de datos sin filtros previos, la distribución transparente de datos de entrenamiento a través de metadatos, un algoritmo escalable para conjuntos de datos de pares imagen-texto a gran escala, una configuración de entrenamiento CLIP estandarizada para facilitar experimentos controlados y comparaciones, y el entrenamiento con imágenes de rostros borrosos para proteger la privacidad. El modelo destaca la importancia de la calidad de los datos y proporciona modelos preentrenados para apoyar a investigadores y desarrolladores en la realización de experimentos controlados y comparaciones justas.