從隱空間認(rèn)識CLIP多模態(tài)模型

從隱空間認(rèn)識CLIP多模態(tài)模型

1前言

AIGC可生成的內(nèi)容形式包含文本（文句）、圖像、音頻和視頻。它能將文本中的語言符號信息或?qū)W問，與視覺中可視化的信息（或?qū)W問）建立出對應(yīng)的關(guān)聯(lián)。兩者相互加強(qiáng)，形成圖文并茂的景象，激發(fā)人腦更多想象，擴(kuò)大人們的思維空間。其中，最基礎(chǔ)的就是文本（Text）與圖像（Image）之間的學(xué)問關(guān)聯(lián)。本篇來介紹文本與圖像的關(guān)聯(lián)，并以CLIP模型為例，深化介紹多模態(tài)AIGC模型的幕后架構(gòu)，例如隱空間（Latentspace）就是其中的關(guān)鍵性機(jī)制。

2簡介CLIP模型

在2022年，OpenAI團(tuán)隊(duì)提出了CLIP，它是典型的多模態(tài)（Multi-modal）機(jī)器學(xué)習(xí)模型。OpenAI從互聯(lián)網(wǎng)上找到大量的文本（Text）與圖像（Image）的配對，可以用來訓(xùn)練CLIP模型，然后讓CLIP進(jìn)行其猜測任務(wù)，即是輸入1張圖像，然后猜測出哪一個文本與它是配對的。

CLIP的目標(biāo)是透過大量圖片及文字描述，建立兩者間的對應(yīng)關(guān)系。其做法是利用ResNet50等來萃取圖像的特征，并映射到隱空間（Latentspace）。也就是將圖像編碼成為隱空間向量。

同時，也利用Transformer萃取與圖像相配對文句的特征，并將文句編碼成為隱空間向量。最終經(jīng)由模型訓(xùn)練來漸漸提高兩個向量的相像度。換句話說，CLIP能將圖像和文句映像到同一個隱空間，因此可以快速計(jì)算圖像與文句的相像度。

CLIP模型學(xué)習(xí)整個文句與其對應(yīng)的圖像之間的關(guān)系。當(dāng)我們在整個文句上訓(xùn)練時，模型可以學(xué)到更多的潛在的東西，并在圖像和文句之間找到一些規(guī)律。值得留意的是，在訓(xùn)練CLIP模型時，我們輸入的是整個文句，而不是像貓、狗、汽車、電影等單一類別而已。

3CLIP的基本架構(gòu)

CLIP的核心設(shè)計(jì)概念是，把各文句和圖像映射到隱空間里的一個點(diǎn)（以向量表示）。針對每一個文句和圖像都會提取其特征，并映射到這個隱空間里的某一點(diǎn)。然后經(jīng)由矩陣運(yùn)算，來估量它們之間的相像度，如圖1。

在訓(xùn)練CLIP模型的過程中，會不斷調(diào)整各點(diǎn)的位置（在隱空間里），以表達(dá)出它們之間的相像度。CLIP在整合文句與圖像兩種模態(tài)上有突破性的表現(xiàn)。一旦訓(xùn)練完成之后，就可以對新圖像進(jìn)行猜測了，亦即猜測出一個文本與它是配對的。例如，輸入1張新圖像，經(jīng)由圖像編碼器（如ResNet50）來提取這張圖象的特征，然后映射到隱空間里的一個新的點(diǎn)。

然后經(jīng)由矩陣運(yùn)算，即可猜測出它與我們所給的一些文句的相像度，就可以得到猜測值了。此外，CLIP也能輸入描述文句來找到相對應(yīng)的圖像。

4圖解CLIP的空間對映

茲以中藥材的CLIP為例，例如有4張中藥材的圖像，以及其對應(yīng)的文句，或單詞（圖2）。

這里的文本與圖像之間的對應(yīng)關(guān)聯(lián)，可以是人們賜予的，也可以是從互聯(lián)網(wǎng)頁的數(shù)據(jù)而得來的。那么CLIP模型就來建立這些關(guān)聯(lián)性。

在前面已經(jīng)說明白，CLIP會利用ResNet50等模型來幫助提取各圖像的特征，并將各圖像（隨機(jī)）對映到隱空間（即數(shù)學(xué)上歐式空間）的點(diǎn)。同時，也使用Transformer模型來關(guān)心提取個文句的特征，并將各文本（隨機(jī)）對映到隱空間的點(diǎn)（圖3）。

這就是空間對映（Spacemapping），意味著從可觀看空間（即上圖里的圖像和文句空間）對映到隱空間。

5綻開訓(xùn)練

在進(jìn)行訓(xùn)練的過程中漸漸地修正CLIP模型里的參數(shù)（如weight和bias值），也就是漸漸地調(diào)整隱空間里各點(diǎn)的位置（坐標(biāo)），來呈現(xiàn)出這些點(diǎn)之間的相像性（Similarity）。例如，在隱空間里，我們可以讓愈相像的點(diǎn)，會愈相互靠近（圖4）。

以上訓(xùn)練完成了。其智能表達(dá)于模型里的參數(shù)（如weight和bias）值里。雖然人們可以理解文本和圖像的涵意，但并無法理解模型里的參數(shù)，以及所計(jì)算出的隱空間向量的涵意，所以才稱為隱蔽性空間，或稱黑箱（Block-box）。

6猜測范例1：從圖像找文本

在剛才的訓(xùn)練過程中，CLIP已經(jīng)持續(xù)調(diào)整各筆數(shù)據(jù)（如文本和圖像）的其隱空間里的位置（以隱空間向量表示），來表達(dá)其所蘊(yùn)含的關(guān)聯(lián)性。一旦訓(xùn)練完成了，就能進(jìn)入猜測或推理的階段了。

例如，拿來1張新圖像輸入給CLIP，它就（要求ResNet50等）來幫忙提取這新圖像的特征，并依據(jù)其所訓(xùn)練出來的參數(shù)（即weight和bias）值，而計(jì)算（對映）出這個新點(diǎn)在隱空間里的位置（圖5）。

由于這張新圖像的特征與左邊第3張（由上而下）圖像特征很接近，也就意味著這兩張圖象很相像，所以在潛藏空間里兩者會很靠近。如此，計(jì)算出這個新點(diǎn)與其他各點(diǎn)之相像度，然后挑出相像性最高的文本是：枸杞（圖6）。于是，就順當(dāng)完成從圖像關(guān)連到文本的任務(wù)了。

7猜測范例2：從文本找圖像

剛才的范例是：從圖找文。CLIP還可以供應(yīng)：從文找圖。例如，拿來一個新文句輸入給CLIP，它就（要求Transformer等）來幫忙提取這新文句的特征，并依據(jù)其所訓(xùn)練出來的參數(shù)（即weight和bias）值，而計(jì)算（對映）出整潛藏空間里這個新點(diǎn)的位置。接著，計(jì)算出這點(diǎn)與其他各點(diǎn)之相像度，然后挑出相像性最高的圖像（圖7）。

由于CLIP幕后有Transformer預(yù)訓(xùn)練模型來幫忙，可以發(fā)覺”寧夏枸杞”與”銀川枸杞”兩個文本很