一、技术架构与核心原理 该平台基于CLIP文本-图像对齐模型与分层扩散算法构建，其技术栈可拆解为三个核心模块： 多模态语义理解CLIP模型通过对比学习预训练，将文本描述与图像特征映射到共享的512维嵌入空间。以……
