WORLD 04 · 前沿模块
CLIP：图像与文本的对比学习
理解图像编码器与文本编码器如何进入同一语义空间，并通过相似度完成 zero-shot 分类。
图像编码器 / 文本编码器 / Embedding / 相似度矩阵 / Zero-shot
交互演示
图像/文本 → 双塔编码器 → 共享空间
dog
Embedding 空间
sim(i,t)