手机拍照搜万物？AI是怎么看懂你的照片的

你有没有试过对着一朵花、一道菜，甚至一张老照片拍个照，然后立刻搜到相关信息？这背后不是魔法，而是AI视觉理解技术在默默工作。当你的手机镜头捕捉画面后，系统会先将图像拆解成数以万计的特征向量——比如纹理、轮廓、颜色分布和空间关系；再通过预训练的大规模视觉模型（如ViT或类似架构），将其与海量图文对齐数据进行语义匹配；最后结合你的搜索意图（比如“这是什么植物？”或“买同款包”），动态调整结果排序。整个过程不到1秒，且无需手动输入文字。值得注意的是，这类能力并非依赖单一模型，而是多模态协同：视觉编码器理解图像，语言模型解析查询，跨模态对齐模块则负责打通‘图’与‘话’之间的语义鸿沟。Google Lens、百度识图、淘宝拍立淘等工具都已深度集成此类技术，让搜索真正从“键入”走向“看见即所得”。

来源：Google-AI-Blog