北京
11月3日消息，360集團(tuán)低調(diào)開源的視覺語言對齊模型FG-CLIP2，據(jù)介紹，這款模型在涵蓋長短文本圖文檢索、目標(biāo)檢測等在內(nèi)的29項權(quán)威公開基準(zhǔn)測試中，超越了科技巨頭Google的SigLIP 2與Meta的MetaCLIP2。
在模型核心上，它實現(xiàn)了三大創(chuàng)新：第一，層次化對齊架構(gòu)，讓模型能像人眼一樣，同時把握宏觀場景與微觀細(xì)節(jié)，實現(xiàn)從“看得見”到“看得清”的跨越。第二，動態(tài)注意力機(jī)制，使模型可以智能聚焦于圖像關(guān)鍵區(qū)域，以最小算力代價換取精準(zhǔn)的細(xì)節(jié)捕捉能力。第三，雙語協(xié)同優(yōu)化策略，從底層解決了中英文理解不平衡的難題，實現(xiàn)了真正的雙語原生支持。
據(jù)介紹，F(xiàn)G-CLIP2的價值不僅在于實驗室指標(biāo)的領(lǐng)先，更在于其廣泛而深遠(yuǎn)的行業(yè)應(yīng)用潛力，推動AI從“感知”走向“認(rèn)知”，從“可用”走向“好用”。（定西）
本文來自網(wǎng)易科技報道，更多資訊和深度內(nèi)容，關(guān)注我們。
本文來源：網(wǎng)易科技報道
責(zé)任編輯：
袁雪麗_NBJS26698
