基于CLIP模型的文本特征提取器：Transformer模型的选择

本文中提到的文本特征提取器子模型是指用于从文本中提取特征的模型。该模型的选择源于CLIP模型，CLIP是一种能够同时识别图像和文本的预训练模型。CLIP模型中的文本特征提取器子模型采用了Transformer模型，Transformer是一种广泛用于自然语言处理的深度学习模型。因此，在本文中，选择使用CLIP模型中的文本特征提取器子模型，并优选使用Transformer模型，以便从文本中提取有用的特征。