IXThinker·2025-04-29 22:10360開源FG-CLIP破解CLIP視覺近視問題
CLIP的「視覺近視」問題有了新解法：360人工智能研究院發布並開源圖文跨模態模型FG-CLIP，以長文本深度理解與細粒度視覺比對雙突破，實現精準的局部細節識別。
視覺近視痛點
傳統CLIP類模型善抓整體語義，卻難以辨認圖像局部細節，被稱為「視覺近視」。官方展示的視力挑戰要求從多句描述中選出正確形容畫面的一句——目標是藏於狗狗身後、畫面中央偏右的「淺棕色木凳」，並對比CLIP、EVA-CLIP、SIGLIP、FINE-CLIP等常用模型的表現。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。