本研究提出了一种基于rank loss的策略，用于解决Vision and Language Models在细致理解和fine-grained任务上的挑战。该方法在CLIP上的测试中表现出显著的性能提升，并增强了X-VLM在细粒度推理上的表现。

本研究提出了一种基于rank loss的策略，用于解决Vision and Language Models在细致理解和fine-grained任务上的挑战。该方法在CLIP上的测试中表现出显著的性能提升，并增强了X-VLM在细粒度推理上的表现。

本研究提出了一种基于 intra-modal 和 cross-modal rank loss 的策略，用于解决 Vision and Language Models 在细粒度任务上的挑战。该策略不需要额外的注释或参数，可应用于任何使用图像 - 文本对比损失训练的 VLMs。在应用于 CLIP 上时，该方法在三个细粒度基准测试上显著提高了性能，并增强了 X-VLM 在细粒度推理上的表现。