研究人员开发了GP-Adapter，一个旨在增强CLIP（对比语言-图像预训练）模型能力的新框架。该方法将高斯过程不确定性建模与CLIP现有架构相结合，以提高在少样本分类和分布外检测场景下的性能。通过在冻结的CLIP嵌入之上添加类别高斯过程，GP-Adapter提供了方差感知置信分数，这对于在处理有限数据或数据分布变化时的可靠性至关重要。 AI
影响 在低数据和分布偏移设置下增强了视觉-语言模型的可靠性。
排序理由 该集群包含一篇学术论文，详细介绍了一种改进现有AI模型的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.07102v1 Announce Type: cross Abstract: We propose GP-Adapter, a training-free framework that augments CLIP (Contrastive Language-Image Pre-training) with Gaussian Process (GP) uncertainty modeling for few-shot classification and out-of-distribution (OOD) detection. Whi…
We propose GP-Adapter, a training-free framework that augments CLIP (Contrastive Language-Image Pre-training) with Gaussian Process (GP) uncertainty modeling for few-shot classification and out-of-distribution (OOD) detection. While CLIP achieves strong zero-shot recognition, it …