待验证50% 置信事实精确时间
BLIP（Bootstrapping Language-Image Pre-training）是由 Salesforce Research 于2022年提出的视觉语言预训练模型，能够完成图像描述生成、视觉问答和图文检索等任务
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
已验证CLIP（Contrastive Language-Image Pre-training）是OpenAI于2021年发布的多模态模型，通过对比学习在4亿组图文对上训练79% 相似已验证CLIP（Contrastive Language-Image Pre-training）通过对比学习将图像和文本映射到共享的语义空间71% 相似待验证原生视觉能力指模型在预训练阶段就将图像、视频等多模态数据与文本数据联合训练，而非通过后期插件式适配器拼接视觉编码器70% 相似待验证CLIP（Contrastive Language-Image Pre-training）在训练时接触了数十亿组图文对70% 相似已验证Midjourney V3采用CLIP引导（CLIP-Guided）的生成方式，用OpenAI的CLIP模型评估生成图像与文本的语义匹配度68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003016API
curl https://kongchang.com/api/v1/knowledge/claims/1003016MCP
get_claim(id=1003016)