# 视频-文本对比学习

X-CLIP是CLIP的最小扩展，用于通用视频语言理解，通过（视频，文本）对的对比方式进行训练。

X-CLIP是对CLIP的极简扩展，用于通用视频-语言理解。模型通过对比学习在（视频，文本）对上训练。

X-CLIP是CLIP的扩展版本，用于通用视频-语言理解，通过对比学习在视频和文本对上训练，适用于视频分类和视频-文本检索任务。

X-CLIP是对CLIP的扩展，用于通用视频-语言理解，通过对比学习实现视频分类和视频-文本检索任务。

X-CLIP是对CLIP的扩展，用于通用视频-语言理解，通过对比学习在（视频，文本）对上训练。

X-CLIP是CLIP的扩展版本，用于通用视频语言理解，通过对比学习在视频和文本对上训练，适用于视频分类和视频-文本检索等任务。