跳到正文
arXiv · 机器人与计算机视觉· Tongqing Shi, Ge Yan, Tuomas Oikarinen, Tsui-Wei Weng·· 9 天前精选AI 评分77

多模态概念瓶颈模型:兼顾可解释性与开放词汇性能

Multimodal Concept Bottleneck Models

AI 导读

针对传统概念瓶颈模型灵活性不足的问题,本文提出 Multimodal Concept Bottleneck Model (MM-CBM),通过双概念瓶颈层将图像和文本嵌入对齐到可解释特征。

推荐理由

提出将概念瓶颈模型扩展至 CLIP 结构的双层设计,在保持可解释性的同时实现零样本分类与检索任务。

来源:arXiv · 机器人与计算机视觉 · arxiv.org