Caltech101

CLIP 模型已适应区域地理定位任务，准确率显著提升

研究人员调查了如何使用街景图像将 CLIP 模型适应于区域地理定位任务。通过在洛杉矶大都会区数据集上比较零样本 CLIP 性能与各种适应方法（如冻结编码器读出、部分更新、LoRA 和完全微调）的性能，他们发现适应性将准确率从约 39% 显著提高到 82% 以上。进一步分析表明，适应后的模型对完整的场景配置更敏感，并且不像仅依赖粗略的结构信息，尽管植被和天空等外观线索仍然具有影响力。