待验证50% 置信事实精确时间

跨模态检索中文字向量与图片向量在共享空间中仍分区聚集，导致文字对图片的相似度分数整体偏低，这一现象称为模态间隙（Modality Gap）

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

Google开源EmbeddingGemma2：文字与图片同处一个向量空间

涉及实体

Modality Gapconcept

相关事实

待验证域鸿沟（Domain Gap）指仿真图像与真实图像之间的分布差异76% 相似待验证照片语义搜索的底层通常依赖图像-文本对齐模型（如CLIP一类的多模态嵌入），将图像和文字映射到同一向量空间72% 相似待验证低区分度特征空间在人脸识别领域对应类内方差小、类间方差也小的分布情形，此时欧氏距离或余弦相似度度量会失效70% 相似待验证逐图 min/max 归一化会抹掉图像间的绝对强度差异，对依赖光谱绝对值区分地物的遥感分割任务可能丢失关键信息68% 相似待验证图像中相邻像素、语言中词语、语音中音素之间天然存在强烈依赖关系，使条件独立前提在多数实际场景中不成立68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/985551

API

curl https://kongchang.com/api/v1/knowledge/claims/985551

MCP

get_claim(id=985551)