360：模型FG-CLIP2全面超越國際巨頭

11月3日下午消息，近日，360集團(tuán)低調(diào)開源的視覺語言對(duì)齊模型FG-CLIP2在全球科技圈掀起熱議。在涵蓋長(zhǎng)短文本圖文檢索、目標(biāo)檢測(cè)等在內(nèi)的29項(xiàng)權(quán)威公開基準(zhǔn)測(cè)試中，這款模型全面超越了科技巨頭Google的SigLIP 2與Meta的MetaCLIP2，標(biāo)志著中國在AI基礎(chǔ)模型領(lǐng)域取得了又一突破性進(jìn)展。

據(jù)介紹，360的FG-CLIP2成功攻克了CLIP模型長(zhǎng)期存在的“細(xì)粒度識(shí)別”痛點(diǎn)，面對(duì)包含多個(gè)物體的復(fù)雜場(chǎng)景，其細(xì)節(jié)識(shí)別置信度仍高達(dá)96%。在模型核心上，它實(shí)現(xiàn)了三大根本創(chuàng)新：第一，層次化對(duì)齊架構(gòu)，讓模型能像人眼一樣，同時(shí)把握宏觀場(chǎng)景與微觀細(xì)節(jié)，實(shí)現(xiàn)從“看得見”到“看得清”的跨越。第二，動(dòng)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(jià)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(shí)現(xiàn)了真正的雙語原生支持。