假设和是两个视频，展示了用自来水冲洗叉子时不同的人。为了描述这一行为，可以使用“清洁”、“洗涤”或“漂洗”等动词，而叉子也可以指向更一般的(“餐具”或“银器”)或更具体的术语(“三尖叉”或“不锈钢叉”)。所有这些字幕都有相似的语义，只有很小的变化，这些变化可以通过从深度神经网络中自动提取的高级特征来捕获。因此，这些特征可以被重用和混合，以获得与原始字幕具有相似语义的字幕的新表示。同样，可以将和视为可互换的，甚至更有趣的是，可能是可混合的。