ProGEO：通过图像 - 文本对比学习生成提示，用于视觉地理定位

VT-CLIP 方法通过可视化引导文本，增强 CLIP 模型在多分类任务中的表现。

CPL 方法通过概念引导提示学习，显著提高了 CLIP 模型的通用化性能。

使用 GPT-4 生成视觉描述性文本，改进了 CLIP 在细粒度数据集上的 0-shot 传输准确性。

视觉地理定位方法结合多阶段课程学习和特征检测，取得了高召回率的成绩。

基于 CLIP 的短语定位方法在零样本情况下优于现有无训练方法，甚至超过有监督的方法。

MP-FGVC 通过跨模态描述提升了 CLIP 在细粒度视觉分类任务中的能力。

GeoCLIP 是一种图像到 GPS 检索方法，通过对齐图像与 GPS 位置实现精确定位。

CLIM 方法通过大规模图像-文本对的对齐，改进了开放词汇物体检测和视觉-语言模型的区域表示。

RegionCLIP 扩展了 CLIP 模型，使其能够学习区域级别的视觉表征，提升了目标检测性能。