iPAS AI 應用規劃師初級 115 年第二次 科二 第 12 題 詳解

115 年第二次 科二 生成式 AI 應用與規劃

某電商平台導入CLIP（Contrastive Language-Image Pre-training）模型，讓使用者能直接輸入文字描述來搜尋商品圖片。請問CLIP模型是透過哪一種方式來衡量文字描述與圖片之間的相符程度？

1. A餘弦相似度（Cosine Similarity），計算文字與圖片在向量空間中的方向相似程度（正確答案）

   文字與圖像編碼成同一空間向量，比對方向夾角。

2. BBLEU分數，衡量文字描述與圖片標題之間的詞彙重疊程度

   BLEU 比對文字與文字的詞彙重疊，無法跨模態。

3. C交叉熵損失（Cross-Entropy Loss），用於衡量模型預測機率與實際標籤之間的差異

   是訓練階段的損失函數，不是檢索時的比對方式。

4. DF1分數（F1 Score），綜合評估搜尋結果的精確率與召回率

   評估檢索結果好壞的指標，非相符程度計算法。