arXiv · 机器人与计算机视觉· Zhenyuan Chen, Wenshuo Tao, Zhuo Huang, Shuo Chen, Ming-Ming Cheng, Xiang Li·· 9 天前精选AI 评分78
何时信任适配:用于可迁移视觉语言提示的上下文融合
When to Trust Adaptation: Contextual Fusion for Transferable Vision-Language Prompting
AI 导读
针对视觉语言模型在新类别或领域上的适配问题,该方法通过保留冻结与提示后的四分支预测,结合局部置信度与集合频率偏差进行仲裁。在 ImageNet 上训练后,其在十个跨数据集基准的平均准确率达 69.96%,刷新 ImageNet-S 记录至 52.21%,并在基类到新类的迁移任务中达到 79.77% 的新类别准确率。代码已公开。
推荐理由
提出上下文自适应融合方法,在跨数据集基准上超越现有提示微调技术并刷新 ImageNet-S 记录。
来源:arXiv · 机器人与计算机视觉 · arxiv.org