OpenAI的CLIP模型真的颠覆了我对图像理解的认知！

之前做图像分类都需要大量标注数据训练，现在用CLIP可以做zero-shot分类，不需要任何训练就能识别新类别。

核心思想：
- 同时训练图像编码器和文本编码器
- 让相关的图像和文本在向量空间中靠近
- 推理时计算图像与文本描述的相似度

应用场景超级广泛：
- 图像搜索（用自然语言搜索图片）
- 内容审核（检测不当图片）
- 商品分 ...