本次查询：图文检索
中文解释：图文检索
常见场景：用户在电商平台用文字描述搜索商品图片 / 或拍照后搜索相似商品与搭配文案；在图片库中用一句话查找相关照片；在社交媒体中以图配文进行内容匹配。
一句话解释
图文检索是一种让计算机在图片和文字之间建立“语义桥梁”的技术，实现用文本找图或用图找文本的跨模态搜索。
不同于单独搜索文本或图片，图文检索要求系统理解两种不同媒介的语义对应关系。
为什么会被关注
随着多媒体内容爆发，用户越来越依赖视觉方式表达需求，但传统的关键词搜索无法直接关联图片含义。
电商、设计、医疗、安防等场景需要更精准的跨媒体验证，图文检索能大幅降低人工标注成本，提升搜索体验。
大模型在多模态领域取得突破，如OpenAI的CLIP让图文对齐效果显著提升，引发业界和资本的广泛关注。
核心逻辑
核心是通过神经网络将图像和文本映射到同一个高维语义空间，使相似的图片与文本向量距离更近。
通常采用对比学习（Contrastive Learning）训练一个双塔模型：图像编码器提取图片特征，文本编码器提取文字特征。
推理时，将查询文本或图片编码成向量，与数据库中所有图文向量计算相似度，输出Top-K结果。
常见场景
电商平台的以图搜图：用户拍照后搜索同款商品，或输入“蓝色碎花连衣裙”直接找图片。
图片库管理：设计师用自然语言描述“夕阳下的沙滩”快速从海量素材中找到对应照片。
社交媒体内容审核：检测用户发布的图文是否匹配，例如防止“标题党”或违规图文组合。
无障碍辅助：帮助视障用户通过文字描述获取相关图像，或为听障用户用图片理解文字。
容易混淆的点
图文检索不等于“以图搜图”或“文本搜索图片”的简单组合——后者通常只处理单侧输入，缺乏跨模态语义对齐。
它也不同步于“图文生成”（如DALL·E），图文检索是匹配已有的图文对，而生成是从描述创造新图片。
图文检索依赖大规模标注的图文对训练数据，但零样本（Zero-shot）能力逐渐增强，例如CLIP即使未见过特定类别也能泛化。