待验证50% 置信事实精确时间
模态鸿沟是实证发现：训练后的图像嵌入与文本嵌入分别聚集在单位球的两个窄锥内，两个质心之间存在稳定夹角。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证多模态对比模型（如CLIP和CLAP）的嵌入空间存在模态鸿沟，图像和文本的嵌入向量在单位球上各据一方，难以对齐。68% 相似待验证卷积操作用小权重矩阵（卷积核）在图像上滑动，每次覆盖一小块区域计算加权和，输出结果称为特征图；不同卷积核可检测不同模式。65% 相似已验证CLIP能够通过组合性泛化将不同视觉特征在向量空间中语义合成，即便训练数据中从未出现精确描述63% 相似待验证在训练得当的字体嵌入中，向量空间中的距离对应字体的视觉相似度。63% 相似待验证鱼眼图像因非线性径向投影会在画面边缘堆积大量冗余像素，导致编码需要更多码率，而半等距柱状投影像素空间分布更均匀、与HEVC块划分结构兼容性更好63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098274API
curl https://kongchang.com/api/v1/knowledge/claims/1098274MCP
get_claim(id=1098274)