X-CLIP是CLIP的极简扩展，用于通用视频-语言理解，通过对比学习训练视频和文本的匹配关系。

X-CLIP是CLIP的扩展版本，用于通用视频语言理解，通过对比学习在视频和文本对上训练。

X-CLIP是对CLIP的扩展，用于通用视频语言理解，支持零样本、少样本或全监督的视频分类以及视频-文本检索等任务。

X-CLIP是CLIP的扩展版本，用于通用的视频语言理解，通过对比学习在（视频，文本）对上训练。

X-CLIP是CLIP的极简扩展，用于通用视频语言理解，通过(视频，文本)对的对比方式进行训练。

X-CLIP是对CLIP的极简扩展，用于通用视频-语言理解，通过对比学习在（视频，文本）对上训练。

X-CLIP是CLIP的扩展版本，用于通用视频语言理解，通过对比学习在(视频，文本)对上训练，适用于视频分类和视频-文本检索等任务。

X-CLIP是CLIP的扩展版本，用于通用视频语言理解，通过对比学习在(视频，文本)对上训练，适用于视频分类和视频-文本检索等任务。