English(EN) PERL: Parameter Efficient Reasoning in CLIP Latent Space

PERL框架通过潜在推理以最少参数适配CLIP模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 14:25

研究人员开发了PERL，一个新颖的框架，用于在不显著增加参数数量的情况下，将CLIP等视觉语言模型适配到新任务。PERL在模型的潜在空间中采用迭代推理，通过一个紧凑的推理模块逐步优化表示。这种方法在众多基准测试中实现了卓越的参数-性能权衡，以最少的训练参数展现出强大的准确性。 AI

影响为将大型视觉语言模型适配到新任务提供了一种更有效的方法，有可能降低计算成本并提高专业应用的性能。

排序理由该集群包含一篇详细介绍AI模型适配新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Matteo Pennisi · 2026-05-18 14:25

PERL: Parameter Efficient Reasoning in CLIP Latent Space

Contrastively trained vision-language models such as CLIP provide strong zero-shot transfer by aligning images and text in a shared embedding space. However, adapting these models to downstream tasks without degrading their open-vocabulary generalization remains challenging. Exis…