16.2 시각-언어 정렬(Vision-Language Alignment)의 핵심 원리 16.2 시각-언어 정렬(Vision-Language Alignment)의 핵심 원리 16.2.1 CLIP(Contrastive Language-Image Pre-training)과 그 변형들: SigLIP, ALIGN 16.2.2 이미지 인코더와 텍스트 인코더의 잠재 공간(Latent Space) 매핑 16.2.3 제로샷(Zero-shot) 분류와 검색: 로봇이 처음 본 물체를 분류하는 메커니즘