跳到正文
arXiv · 机器人与计算机视觉· Si Qin, Jiawei Tang, Yaxin Hou, Yan Chen, Yutong Xie, Chen Li, Yuheng Jia·· 2026-10-20AI 评分73

Vocabulary-Incomplete Unsupervised Vision-Language Model Adaptation

Vocabulary-Incomplete Unsupervised Vision-Language Model Adaptation

AI 导读

在获取标注数据成本高昂的场景中,视觉语言模型(VLM)可利用图像文本相似度生成伪标签进行无监督适配,但现有方法假设拥有包含所有类别名称的完整词汇表。本文提出 VI-UVA 框架,解决仅部分类名可用的问题:通过 Label Space Reconstruction (LSR) 从无标注数据重建潜在标签空间并融入提示微调,从而超越不完整词汇表的限制并减轻适应偏差。

来源:arXiv · 机器人与计算机视觉 · arxiv.org