MetaCLIPは、画像とテキストの連合表現学習のためのオープンソース機械学習モデルです。既存モデルによるフィルタリングに依存せず、シンプルなアルゴリズムでCLIPデータをスクリーニングすることで、データの品質と透明性を向上させます。MetaCLIPの主な貢献は、フィルタリング不要のデータスクリーニング、透明な訓練データの分布、拡張性の高いアルゴリズム、そして標準化されたCLIP訓練設定です。本モデルはデータ品質の重要性を強調し、研究者や開発者がコントロール実験や公平な比較を行うための事前学習済みモデルを提供しています。