CLIPdir

1. 计算图像变化向量：$V_{img}=CLI{P}_{feat}(It)-CLI{P}_{feat}(Is)$
2. 计算文本变化向量：$V_{text}=CLI{P}_{feat}(Tt)-CLI{P}_{feat}(Ts)$
3. 计算这两个变化向量之间的余弦相似度。