注册帐号丨忘记密码？
1.点击网站首页右上角的“充值”按钮可以为您的帐号充值
2.可选择不同档位的充值金额，充值后按篇按本计费
3.充值成功后即可购买网站上的任意文章或杂志的电子版
4.购买后文章、杂志可在个人中心的订阅/零买找到
5.登陆后可阅读免费专区的精彩内容
打开文本图片集
摘 要：计算机视觉（Computer Vision，CV）与自然语言处理（Natural Language Processing，NLP）技术已逐渐趋于成熟，结合视觉和语言的多模态领域技术将成为学界和业界的研究热点。文章使用CLIP 预训练模型，结合图像与语言两种模态信息，进一步将图像拓展至视频，利用 Fmpeg 处理视频，并对视频与文本信息进行嵌入（embedding）和余弦相似度匹配，从而实现利用纯文本检索视频中符合该文本语义的片段。（剩余3260字）
登录龙源期刊网
购买文章
基于ＣＬＩＰ 的多模态视频文本检索系统
文章价格：4.00元
当前余额：100.00
阅读
您目前是文章会员，阅读数共：0篇
剩余阅读数：0篇
阅读有效期：0001-1-1 0:00:00