Definition
对比式语言-图像预训练（CLIP）是一种在图像及其对应的互联网标题上训练的神经网络架构。它使用对比目标来最大化共现（图像-文本对的相似度）。
Summary
一种多模态预训练方法，使用对比损失函数对齐图像和文本表示。
Key Concepts
- 多模态学习
- 余弦相似度
- 零样本分类
- 编码器架构
Use Cases
- 图像搜索引擎
- 文生图生成指导
- 视觉问答
A comprehensive multilingual AI terminology dictionary
对比式语言-图像预训练（CLIP）是一种在图像及其对应的互联网标题上训练的神经网络架构。它使用对比目标来最大化共现（图像-文本对的相似度）。
一种多模态预训练方法，使用对比损失函数对齐图像和文本表示。