Stable Diffusion自编码器拆解：一鱼两吃的潜空间技术
2026/10/17 18:12:03
更进一步的尝试是跨模态生成。系统不仅输入文字，还输入图片，让 AI“看图写诗”。基本流程包括：(1)提取图像中的关键词（如山水、花鸟）；(2) 用深度神经网络提取视觉特征；(3) 联合视觉与语言特征，指导诗歌生成。
AI 诗人“薇薇”的网络结构示意
图像引导下生成的诗句示例
人工智能应用- 语言处理：06. 跨模态生成：以画入诗
更进一步的尝试是跨模态生成。系统不仅输入文字，还输入图片，让 AI“看图写诗”。基本流程包括：(1)提取图像中的关键词（如山水、花鸟）；(2) 用深度神经网络提取视觉特征；(3) 联合视觉与语言特征，指导诗歌生成。
AI 诗人“薇薇”的网络结构示意
图像引导下生成的诗句示例