题目 ID: q-7205

但是现在都是clip倒数第二层，clip只在倒数第一层做了文图对齐，你会怎么进行解纠缠/对齐（取很多相似的图像做few-shot的IPA平均，这样子当个数够多时候他们的平均就只代表风格，淡化内容；做风格 风格话图像 内容图像三元组显示训练） 现在想想对齐也可以拿QK得到attention map Q是text K是图像