Custom ZeroCLIP

新框架支持印度尼西亚传统服装的零样本描述

研究人员开发了Custom ZeroCLIP，一个新颖的检索增强视觉语言框架，专为印度尼西亚传统服装的零样本描述而设计。该框架结合了CLIP和BERT文本编码器以及LSTM解码器，并在一个包含3800张专家标注图像的数据集上进行了训练。通过采用省级归纳零样本协议，该模型在未见过（未训练过）的省份上表现出色，实现了0.8536的CLIPScore，优于现有基线。