跳到正文
arXiv · 机器人与计算机视觉· Jo\~ao P. Matos-Carvalho, Nuno Fachada·· 23 天前精选AI 评分78

基于视觉语言模型嵌入的图像聚类研究

Image Clustering with Vision-Language Model Embeddings

AI 导读

João P. Matos-Carvalho 等人发布论文 Image Clustering with Vision-Language Model Embeddings,对比了九种表示管道在七个基准数据集上的聚类性能。

推荐理由

该研究对比了九种基于预训练视觉语言模型的图像聚类流程,揭示了特征提取与归一化选择对调整兰德指数(ARI)的关键影响。

来源:arXiv · 机器人与计算机视觉 · arxiv.org