新框架统一了用于测试时提示调优的自集成方法

研究人员推出了一种名为USE的统一自集成框架，旨在增强像CLIP这样的视觉语言模型在测试时的适应性。该框架将测试时提示调优解释为从自生成的伪标签中学习，确保优化和推理阶段之间的一致性。通过自适应地强调测试图像而非其增强视图，USE可以获得更可靠的伪标签，并在各种数据集上展现出优于现有方法的性能。此外，一种简化的自集成策略SE，可以作为一种轻量级的、无需优化的测试时适应技术。 AI

影响 这项研究通过改进测试时适应技术，有望提高视觉语言模型在未见过数据上的鲁棒性和准确性。

排序理由 该集群包含一篇学术论文，详细介绍了用于测试时适应的新框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• DagsHub
• Hugging Face
• Self ensembling techniques for generating magnetic resonance images from spatial frequency data
• Test-Time Adaptation
• Test-Time Prompt Tuning
• USE

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →