OpenAI 的 CLIP（对比语言 - 图像预训练）和 Google 的 SigLIP（语言 - 图像预训练的 Sigmoid 损失函数）是其中最具影响力的成果。 这些模型革新了机器对视觉和文本信息的解读与关联方式，使得从图像分类到零样本学习等各类应用成为可能。本文将对 CLIP 和 SigLIP 的 ...