CLIP 看不清的细节，FG-CLIP 看懂了 作者 | 谢春宇，王斌，360人工智能研究院 责编 | 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 还在为搜图不够精准、推荐不够懂你而烦恼？ 360 人工智能研究院发布的全新 FG-CLIP（Fine Grained CLIP） 模型，让 AI 也能像"老司机"一样，练就"眼观六路"的本领。 有了 FG-CLIP，它能瞬间辨别 "穿着浅蓝色夹克的男人" vs "穿着草绿色夹克男人"、" 陶瓷茶杯"与"玻璃茶杯" 的细微差别，图片被裁切也不怕，照样 精准识别目标，甚至连那张藏在小狗身后、位于画面角落的 浅棕色木凳子 ，它也不会放过。 大家平时刷到的那些"神操作" 其实都离不开它：比如用手机输入文字就能生成动漫插画、风景海报的绘图软件（Stable Diffusion、可图），还有能 把 "小猫追蝴蝶" 的文字描述变成动态视频的工具（Sora、即梦），背后都需要这位 "翻译官" 先把文字和图片的信息 "翻译" 成机器能懂的语言，让两 者 "对上频道"。 不只是这些有趣的应用，咱们日常生活里处处都有它的影子： 图文跨模态模型 显式双塔结构解耦： 突破传 ...