研究人员正在开发新的方法,以有限的监督来将视觉语言模型(VLM)适应到新领域。一种名为ACTOR的方法使用一种无需训练的即插即用模块,该模块利用未来样本的查询标签来改进当前预测。另一种名为SignSparseSGD的方法侧重于使用梯度更新的符号而非其幅度来进行高效的少样本自适应。第三种技术DIFO++利用CLIP等模型的预训练视觉语言先验,通过定制和提炼这些通用模型的知识来增强无源域自适应。 AI
影响 这些进展可能导致在标记数据有限的实际场景中更稳健、更高效地部署视觉语言模型。
排序理由 该集群包含三篇在arXiv上发表的学术论文,详细介绍了视觉语言模型自适应领域的新研究。
- Active Test-Time Adaptation for VLMs
- ACTive VLM-TTA for Online Retrieval
- ACTOR
- arXiv
- DIFO++
- DynSignSparseSGD
- Hugging Face
- ImageNet
- ResNet
- SignSparseSGD
- Song Tang
- Test Time Adaptation
- vision-language model
- ViT
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →