目录模型背景CLIP模型介绍相关资料原理和方法ImageEncoderTextEncoder对比学习预训练ZeroShot预测优势和劣势总结OpenClip模型介绍相关资料原理结果用法模型总结模型背景StableDiffusion主要由三个核心模块组成：TextEncoder（文本编码器）ImageInformationCreator（图像信息生成器）ImageDecoder（图像生成器）        文本编码器负责处理语义信息。通常是利用CLIP（v1版本）、OpenCLIP（v2版本）等模型将人类语言（文字）编码为计算机语言（语义向量）。训练CLIP（OpenCLIP）则需要一个图文配对