本研究提出CLIP-KOA框架，通过结合图像和文本信息，利用对称损失和一致性损失，提高膝关节骨关节炎（KOA）的诊断准确性。结果表明，该方法在KOA严重度预测中达到了71.86%的最佳准确率，增强了医疗预测的可靠性。

本文提出了一种多级对齐训练方案，通过对称损失来对齐视频和语言的编码，确保相似信息紧密编码而不同语义的信息保持分开。该方案可应用于各种视频和语言接地任务，并在多个视频 QA 和检索数据集上实现了与先前现有技术的可比较性能。