画像言語モデルの性能向上：難しいサンプルを活用する方法

既存のCLIPモデルのパフォーマンスを向上させるためのHELIPフレームワークは、選択された難しいテキスト-画像ペアでモデルを追加トレーニングすることにより、効果的な戦略である。