试了下 360 开源的 FG-CLIP 2，直接把传统 AI 视觉理解给秒了。以前让 AI 画「猫站在蓝色跑车左边，后面是白色 SUV」，它连「后面」这个空间关系都搞不懂。搜「红色特斯拉引擎盖上有鸟粪」，两排图下来对得上的就一张。这就是传统 CLIP 的通病 —— 近视，看不清细节。 FG-CLIP 2 能干嘛？通过毛发纹理分辨狸花猫和英短，看懂屏幕里面的内容，理解「机

#FG-CLIP 2 #AI视觉理解 #中文理解 #开源 #细节识别

相关新闻

老拐瘦

8小时前

AI-Shifu 1.0 正式发布了最低成本的制作一门课程，并且上线售卖！　当然也可以内部培训了～　而且，项目完全开源，将opensource 进行到底～～直达连接　

Geek

2天前

第一次看到这玩意，今天在 GitHub 冲顶了。微舆 - 人人可用的多 Agent 舆情分析助手，打破信息茧房，还原舆情原貌，预测未来走向，辅助决策！从0实现，不依赖任何框架。 📦开源地址

Geek

2天前

基于AeroSpace魔改的开源神器，直接把Hyprland的灵魂塞进MacOS💻： - 引入Hyprland的Dwindle平铺算法自动化窗口排布，智能分割屏幕空间 - 加入Niri风格布局引擎更适合多显示器场景 - 内置可视化工作区类似Dock但更精简，居中显示，实时展示每个工作区的App图标 HyprSpace

GitHubDaily

3天前

在医院拍完胸部 X 光后，经常还需要排队等待拿结果给医生查看分析，折腾下来基本都要一个多小时。最近在 GitHub 上看到的 MedRAX 这款开源的医学影像分析智能体，正在试图改变我们这种传统方式。它集成了多个专业的胸部 X 光分析工具，基于 LangChain 和 LangGraph 框架构建，使用 GPT-4o 作为核心大模型。整合了视觉问答、图像分割、病灶定位、报告生成、疾病分

Geek

3天前

好看，两个新字体家族：Cal Sans UI 和 Cal Sans Text Cal Sans UI 是一个可变字体，具有两种风格变化模式： - UI 模式或文本模式 (MODE 轴) - 传统的字重轴，范围从 Light 到 Bold 📦开源地址

关联事件

智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限

智谱直播近日开源了其最新视觉模型GLM-4.5V，该模型基于其旗舰文本基础模型GLM-4.5-Air，拥有106B总参数和12B激活参数。GLM-4.5V在42个公开的视觉语言基准测试中表现出色，达到了同规模模型中的SOTA性能，支持图像、视频和文档理解等多种任务。该模型的推出标志着智谱在视觉推理领域的进一步突破，具备全场景视觉推理能力，能够处理复杂的图像推理和视频理解任务，预计将对AI视觉技术的发展产生深远影响。