arXiv · 机器人与计算机视觉· Lakpa Tamang, Saman Forouzandeh, Kamal Berahmand, Wei Shao, Hamid Beigy, Mahdi Jalili·· 16 天前精选AI 评分85
Covariance-aware Scoring:一种面向视觉语言模型测试时适应的几何修正方法
Covariance-aware Scoring: A Geometric Correction for Vision-Language Test-Time Adaptation
AI 导读
论文提出 CARe 方法,通过引入由目标特征二阶矩诱导的马氏距离几何来替代传统的余弦相似度评分,解决各向异性特征分布下高方差方向主导评分的问题。理论证明在共享协方差的 Gaussian 模型下,该方法与贝叶斯最优线性判别一致,且在特征各向异性显著时增益最大。实验显示 CARe 在标准及细粒度分布偏移基准上均优于基线余弦评分,且效果随特征各向异性增强而提升。
推荐理由
针对测试时适应中各向异性特征分布的局限,提出基于协方差的几何修正方法 CARe 以替代余弦相似度评分。
来源:arXiv · 机器人与计算机视觉 · arxiv.org