知识卡片
跨模态检索依靠共同表示空间
图像和文本分别通过各自编码器,再投影到共同空间;训练让配对图文接近,从而可以用文本向量检索图像向量。共同空间是可比较的前提,不能直接比较任意两个独立编码器产生的向量。
flowchart LR
T[文本] --> TE[文本编码器与投影]
I[图像] --> IE[图像编码器与投影]
TE --> S[共同嵌入空间]
IE --> S
S --> R[相似度比较与跨模态检索]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 评估方法论
原书出处 · 1 处
- · 查看原书依据
训练目标是使图像的嵌入向量与对应文本的嵌入向量在联合空间中尽可能接近。
参考来源
- 位置:《AI工程:大模型应用开发实战》第3章《评估方法论》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section011.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:训练目标是使图像的嵌入向量与对应文本的嵌入向量在联合空间中尽可能接近。