视觉语言模型

迁移学习（八）：多模态迁移

推导对比学习的 InfoNCE 损失与互信息下界，讲透 CLIP 双塔结构、BLIP-2 的 Q-Former 桥接策略、跨模态检索与三种融合范式，并给出可运行的 PyTorch 实现。