マルチモーダル

問題

CLIPに関する説明として、最も適切な選択肢を1つ選べ。

1. A. 画像とテキストを対応付ける表現を学習し、Zero-shot分類などに利用できるモデルである
2. B. 音声波形を周波数成分に変換する手法である
3. C. 強化学習で行動価値を更新する手法である
4. D. 個人情報を匿名加工情報にする制度である

解説（正解: A）

正解はA。CLIPは画像とテキストの対応関係を学習し、両者を共通の表現空間で扱えるようにするモデルである。Zero-shot画像分類などに応用できる点が特徴である。BはFFT、CはQ学習など、Dは法律分野の説明である。