PulseAugur
中
实时 04:03:01
English(EN) GP-Adapter: Gaussian Process CLIP-Adapter for Few-Shot Out-of-Distribution Detection

GP-Adapter 增强 CLIP 的少样本分类和 OOD 检测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 GP-Adapter，一个旨在增强 CLIP 在少样本分类和分布外检测方面能力的新框架。该方法将高斯过程不确定性建模与 CLIP 的预训练嵌入相结合，无需对基础模型进行任何微调。通过在冻结的 CLIP 特征上构建类内高斯过程，GP-Adapter 生成方差感知置信度分数，在低数据和分布偏移场景中被证明是有效的。 AI

影响 在低数据和分布偏移设置中增强视觉语言模型的可靠性。

排序理由 这是一篇描述改进现有模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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]

  1. arXiv cs.CV TIER_1 English(EN) · Takafumi Hiroi ·

    GP-Adapter：高斯过程CLIP适配器用于少样本分布外检测

    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 …

相关实体

相关话题