跳到正文
arXiv · 机器人与计算机视觉· Tiantian Peng, Yuyang Liu, Shuo Yang, Qiuhe Hong, YongHong Tian·· 2026-10-16AI 评分58

Stabilizing the Modality Gap: Null-Space Projected Continual Learning for Vision-Language Models

Stabilizing the Modality Gap: Null-Space Projected Continual Learning for Vision-Language Models

AI 导读

针对多模态对齐中固有的模态间隙及持续学习引发的模态间隙漂移问题,论文提出 FPCD 框架。该方法结合快速零空间投影与对比蒸馏技术,在 11 任务 MTIL 基准上实现 Last 87.6%、Average 76.4% 和 Transfer 65.2% 的性能,并在 COCO Captions 和 Flickr30k 上保持更稳定的模态间隙与更强的零样本检索能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org