How do Image Embeddings work?地址：outcomeschool.com/blog/how-do-image-embeddings-work

文章用非常入门的方式解释了图像嵌入的工作原理。图片最初只是由像素组成，每个像素通常由 RGB 数值表示，但这些原始像素只能说明颜色，不能说明“这是一只猫”或“这是一辆车”。因此，我们会把图片输入神经网络，例如 CNN 或 Vision Transformer，让模型从底层边缘、形状，到更高层的物体特征逐步提取信息，最后生成一组较短的数字向量，也就是图像嵌入。语义相近的图片会在向量空间中更接近，语义不同的图片距离更远。