iPAS 考題解析某媒體公司計畫導入CLIP（Contrastive Language-Image Pre-training）模型，以協助大量影像自動標註與搜尋，並希望在無需新增標訓資料的情況下，僅透過文字提示（Text Prompt）即可識別影像內容。請問此應用情境中，CLIP能夠達成的關鍵技術特性為何？

解析

正確答案：A. 透過圖文對比式學習（Contrastive Learning）將影像與文字映射至共同嵌入空間（Shared Embedding Space），可直接以語意相似度進行零樣本分類

CLIP透過大規模圖文對的對比學習，將影像和文字映射到同一語意空間。推論時只需計算影像嵌入與各類別文字描述嵌入的相似度即可分類，無需任何標注樣本，實現真正的零樣本（Zero-shot）分類能力。

每個選項為什麼對或錯

• A 透過圖文對比式學習（Contrastive Learning）將影像與文字映射至共同嵌入空間（Shared Embedding Space），可直接以語意相似度進行零樣本分類 正解

  CLIP正是透過對比學習建立共同嵌入空間，實現無需標注資料的零樣本分類，正確。

• B 透過影像增強與特徵擴散降低標訓資料需求 錯誤選項

  影像增強與特徵擴散並非CLIP的技術核心。

• C 以監督式學習結合多層感知器（Multilayer Perceptron, MLP）進行影像特徵分類 錯誤選項

  CLIP是對比式自監督學習，非監督式學習加MLP的架構。

• D 以自迴歸生成模型（Autoregressive Model）逐步生成文字標籤描述影像內容 錯誤選項

  自迴歸生成模型屬於圖片描述生成（Image Captioning）的方式，非CLIP的運作方式。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。