从隐空间 文章 进入从隐空间技术社区

从隐空间认识CLIP多模态模型

• 1 前言AIGC可生成的内容形式包含文本( 文句)、图像、音频和视频。它能将文本中的语言符号信息或知识，与视觉中可视化的信息( 或知识) 建立出对应的关联。两者互相加强，形成图文并茂的景象，激发人脑更多想象，扩大人们的思维空间。其中，最基础的就是文本(Text) 与图像(Image) 之间的知识关联。本篇来介绍文本与图像的关联，并以CLIP 模型为例，深入介绍多模态AIGC 模型的幕后架构，例如隐空间(Latent space) 就是其中的关键性机制。2 简介CLIP模型在2020 年，OpenAI 团队
• 关键字： 202305  从隐空间  CLIP多模态模型