研究人员开发了一种名为引导式层次化多标签(GHiML)学习的新流程,以改进专业图像(如底栖环境)的分类。该方法通过提取概念潜在变量、生成相关字幕并将这些文本嵌入与图像嵌入相结合,来利用视觉语言模型(VLMs)的知识。在BenthicNet和iNaturalist等数据集上的实验表明,与仅使用视觉的方法相比,GHiML在层次化多标签任务中显著提高了分类准确性。 AI
影响 这项研究可能通过更好地利用大型视觉语言模型中现有的知识,从而带来更准确的专业分类任务AI系统。
排序理由 该集群描述了一篇详细介绍新颖图像分类方法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →