为什么引入 CLIP 能够在 zero-shot 场景下取得较好效果？请从跨模态特征对齐的角度解释。

Question

Accepted Answer

考察点：考察对 CLIP 零样本能力和跨模态对齐原理的理解。回答思路：能解释对比学习如何实现两个模态的特征对齐 能说明对齐后的特征空间如何支持零样本分类 能联系具体应用场景说明优势

考察说明