May, 2024
视觉对齐中的图像识别:优先考虑视觉相似性
Seeing the Image: Prioritizing Visual Correlation by Contrastive
Alignment
TL;DR通过对比图像输入,对每个文本标记的预测值差异提供了强大的视觉关联指导,我们提出了对每个文本标记赋予不同贡献的方法,名为Contrastive ALignment (CAL)。我们的实验证明,CAL方法在各种基准数据集上始终改善了不同类型的VLM,并且与其他数据调整策略相比,我们的方法具有最小的额外计算开销。