Ressemblances calculées avec CLIP (OpenAI, 2021, modèle ViT-B/32). CLIP a été entraîné sur des légendes en anglais : les phrases lui ont été données en anglais, et leur traduction est affichée. Sous les images, le nombre est la ressemblance (le cosinus entre les deux vecteurs). Pour décrire une image, les pourcentages comparent les légendes entre elles, comme un classificateur ; ils totalisent 100 %. Images : Wikimedia Commons, domaine public et CC0.