细粒度组合理解

PowerCLIP：面向对比预训练的幂集对齐

PowerCLIP: Powerset Alignment for Contrastive Pre-Training

把图文对齐从「整图-整句」和「单 token-单 patch」推进到「区域子集-短语子树」的幂集级对齐，并用非线性聚合器把 2^M 复杂度降到 O(M)，这套聚合思路可直接迁移到任何需要枚举组合子集的细粒度跨模态对齐或区域级对比学习框架中。