360開(kāi)源FG-CLIP2：登頂29項(xiàng)全球基準(zhǔn)測(cè)試
來(lái)源： 紫牛新聞
2025-11-03 18:21:00
近期，360集團(tuán)低調(diào)開(kāi)源的視覺(jué)語(yǔ)言對(duì)齊模型FG-CLIP2，在全球科技圈掀起熱議。這款模型在涵蓋長(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(kāi)基準(zhǔn)測(cè)試中，全面超越了科技巨頭Google的SigLIP 2與Meta的MetaCLIP2，標(biāo)志著中國(guó)在AI基礎(chǔ)模型領(lǐng)域取得了又一突破性進(jìn)展。
FG-CLIP 2性能雷達(dá)圖
從“看得見(jiàn)”到“看得清”：攻克AI視覺(jué)“細(xì)粒度”難題
如果說(shuō)OpenAI在2021年提出的CLIP模型，為AI配上了一副能“看清世界”的普通眼鏡；那么FG-CLIP2，則是為AI裝備了一臺(tái)“高精度光學(xué)顯微鏡”，使其能夠“洞察入微”。它成功攻克了CLIP模型長(zhǎng)期存在的“細(xì)粒度識(shí)別”痛點(diǎn)。
傳統(tǒng)CLIP模型善于理解圖像的全局概念，但在區(qū)分細(xì)微的物體屬性、復(fù)雜的空間關(guān)系以及精準(zhǔn)的語(yǔ)言表達(dá)時(shí)，往往力不從心。FG-CLIP2則實(shí)現(xiàn)了質(zhì)的飛躍：它不僅能辨別出貓的具體品種，還能在遮擋情況下精準(zhǔn)判斷其狀態(tài)；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%。這種從“宏觀”到“微觀”的能力躍遷，是AI真正理解物理世界的關(guān)鍵一步。
FG-CLIP2效果案例
三大根本性創(chuàng)新，構(gòu)筑技術(shù)護(hù)城河
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(jiàn)”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(yǔ)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(yǔ)原生支持。
卓越的性能離不開(kāi)強(qiáng)大的底層支撐。FG-CLIP2依托于自研的超大規(guī)模高質(zhì)量數(shù)據(jù)集FineHARD。該數(shù)據(jù)集不僅包含詳盡的全局描述和千萬(wàn)級(jí)的局部區(qū)域標(biāo)注，還創(chuàng)新性地引入了由大模型生成的“難負(fù)樣本”，極大地錘煉了模型的辨別能力。
通過(guò)一系列緊密結(jié)合的技術(shù)創(chuàng)新，F(xiàn)G-CLIP2成功攻克了長(zhǎng)期困擾行業(yè)的“細(xì)粒度識(shí)別”難題，并將其領(lǐng)先能力通過(guò)API等形式開(kāi)放，賦能千行百業(yè)的智能化升級(jí)。
告別“差不多”AI：細(xì)粒度視覺(jué)撬動(dòng)產(chǎn)業(yè)新支點(diǎn)
專(zhuān)家介紹說(shuō)，F(xiàn)G-CLIP2的價(jià)值不僅在于實(shí)驗(yàn)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(dòng)AI從“感知”走向“認(rèn)知”，從“可用”走向“好用”。
在電商領(lǐng)域，它能精準(zhǔn)理解“白色蕾絲邊、袖口有珍珠裝飾的連衣裙”等復(fù)雜描述，實(shí)現(xiàn)“所想即所得”的精準(zhǔn)搜索，徹底革新商品檢索與推薦體驗(yàn)，減少退貨率，直接提升商業(yè)轉(zhuǎn)化。
在具身智能領(lǐng)域，它是機(jī)器人的“慧眼”，能精準(zhǔn)執(zhí)行“拿餐桌上的紅色水杯”或“把玩具放進(jìn)綠色收納箱”等指令，通過(guò)精準(zhǔn)識(shí)別物體屬性與空間關(guān)系，讓機(jī)器人在家庭、倉(cāng)儲(chǔ)等復(fù)雜場(chǎng)景中的操作成為可能。
此外，其能力同樣賦能于AIGC內(nèi)容生成、內(nèi)容審核及安防監(jiān)控等多個(gè)關(guān)鍵場(chǎng)景，通過(guò)洞察細(xì)節(jié)，確保生成內(nèi)容的精準(zhǔn)性、審核的可靠性以及安防檢索的高效性，為各行各業(yè)的智能化升級(jí)奠定了堅(jiān)實(shí)的視覺(jué)理解基石。
FG-CLIP2的技術(shù)突破并非偶然，而是360對(duì)AI底層能力的長(zhǎng)期堅(jiān)持。此次開(kāi)源FG-CLIP2，是360在AI基礎(chǔ)模型領(lǐng)域的一次關(guān)鍵落子，更為中國(guó)構(gòu)建自主可控的AI技術(shù)體系，添上一塊重要基石。
小涵 曉風(fēng)