返回全部题目← 上一题114 / 333下一题 →题库/模型基础与推理/Q-5657CLAP 如何通过音频与文本对比预训练学习联合表示？知识专题：多模态与生成模型题目类型：原理机制技术难度：进阶题集来源：1 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集1 个来源，共2 份题集多模态模态编码器Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →CLAP模型是如何通过对比学习进行音频表示学习的？AI多模态基础总览Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →介绍一下音频表示编码器CLAP和AudioCLIP，说明模型结构、预训练目标相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题ViT 与 MAE 的结构和预训练方式有何区别，如何用于视觉表示学习？下一题 →AudioCLIP 如何将音频接入图像与文本的联合表示空间？
