large-scale pre-trained vision-language models

关键词large-scale pre-trained vision-language models

搜索结果 - 5

对敌对提示调整的鲁棒泛化问题的重新审视
通过多模态提示学习来提高图像和文本特征的对齐度，利用预训练的 CLIP 强大的泛化能力，引导模型在对抗性示例上增强鲁棒泛化能力，同时在干净示例上保持准确性。
PDF2 months ago
负债正向：统一的双路径适配器用于视觉 - 语言模型
我们通过引入双向学习的概念，创新性地将其应用于微调视觉 - 语言模型，并提出了一种新颖的 DualAdapter 方法，通过同时进行正向选择和负向排除来提高 VLM 在下游任务中的识别准确性。在 15 个数据集上的广泛实验结果验证了所提出的
PDF3 months ago
基于典型对比学习的 CLIP 微调方法用于物体重新识别
這項研究旨在將大規模預先訓練的視覺語言模型，如對比語言 - 圖像預訓練（CLIP），適應各種監督設置下物體再識別（Re-ID）的表現提升。在本研究中，我們首先分析了 CLIP-ReID 中 prompt learning 的作用並確認了其限
PDF8 months ago
无监督视觉语言模型的原型适配器
我们设计了一种名为 Unsupervised Prototype Adapter (UP-Adapter) 的无监督微调方法，通过利用 CLIP 的文本 - 图像对齐能力自动选择每个类别中最有信心的样本，并利用这些选择的样本生成类别原型，用
PDF10 months ago
视觉 - 语言模型的跨模态概念学习和推理
使用大规模预训练的视觉语言模型（如 CLIP）及跨模态概念学习和推理（CCLI）方法，能够通过文本和图像之间的相关性自动学习图像的视觉概念，并构建区分性的图像表示，从而提高少样本学习和领域泛化等图像分类任务的性能。
PDFa year ago