# 圖文檢索

FG-CLIP是一種細粒度視覺與文本對齊模型，通過兩階段訓練實現全局和區域級的圖文對齊，提升細粒度視覺理解能力。

SigLIP 2 是基於 SigLIP 預訓練目標的改進模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是一個多語言視覺-語言編碼器，整合了SigLIP的預訓練目標並增加了新的訓練方案，提升了語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 的視覺語言模型，增強了語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 預訓練目標的改進模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 的改進模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 預訓練目標的視覺語言模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 改進的多語言視覺語言編碼器，增強了語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 預訓練目標的改進模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是一個先進的視覺語言模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 的改進模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是在 SigLIP 基礎上改進的多語言視覺語言編碼器，提升了語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 改進的視覺語言模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是一個視覺語言模型，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 的視覺語言模型，通過統一訓練方案提升了語義理解、定位和密集特徵提取能力。

SigLIP 2是一個多語言視覺語言編碼器，改進了語義理解、定位和密集特徵提取能力。

SigLIP 2是基於SigLIP改進的多語言視覺語言編碼器，增強了語義理解、定位和密集特徵提取能力。

SigLIP 2 是基於 SigLIP 的改進版本，整合了多項技術以提升語義理解、定位和密集特徵提取能力。

基於OpenCLIP框架訓練的日語CLIP模型，在14.5億日文圖文對數據集上訓練，支持零樣本圖像分類和圖文檢索任務

日語CLIP模型，基於OpenCLIP框架訓練，支持零樣本圖像分類任務

TiC-CLIP是基於OpenCLIP改進的視覺語言模型，專注於時間持續學習，訓練數據涵蓋2014至2022年

SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的sigmoid損失函數，優化了圖像-文本匹配任務。

SigLIP是基於WebLi數據集預訓練的多模態模型，採用改進的Sigmoid損失函數，適用於零樣本圖像分類和圖文檢索任務。

SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的sigmoid損失函數提升性能

SigLIP是基於WebLi數據集預訓練的視覺-語言模型，採用改進的sigmoid損失函數，在圖像分類和圖文檢索任務中表現優異。

SigLIP是基於WebLi數據集預訓練的多模態模型，採用改進的sigmoid損失函數，適用於零樣本圖像分類和圖文檢索任務。

SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的Sigmoid損失函數，在圖像分類和圖文檢索任務中表現優異。

SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的Sigmoid損失函數，優化了圖像-文本匹配任務

基於LAION-2B數據集訓練的CLIP ConvNeXt-XXLarge模型，採用OpenCLIP框架實現，專注於零樣本圖像分類任務。

ALIGN是一個視覺-語言雙編碼器模型，通過對比學習實現圖像與文本表徵的對齊，利用大規模噪聲數據實現先進的跨模態表徵效果。