IXThinker·2025-06-02 10:20

360開源細粒度圖文對齊數據集FineHARD

如何令CLIP模型更關注細粒度特徵學習、避免視覺近視？360人工智能研究團隊提出FG-CLIP緩解這一問題，近日再開源其背後的高質量圖文對齊數據集FineHARD。

模型痛點

CLIP類模型存在視覺近視問題：偏好全局但錯誤的描述，忽略正確的細節。360團隊提出FG-CLIP，讓模型更關注細粒度特徵學習，明顯緩解這一毛病。