Mar, 2024

视觉-语言模型的多模态特征提示

TL;DR我们提出了一种多模态属性提示方法(MAP),通过同时探索文本属性提示、视觉属性提示和属性级对齐来解决大规模预训练视觉-语言模型(VLMs)在少样本情况下的一些局限性,实验结果表明我们的方法在11个数据集上表现优于现有方法。