Eman M. Alissa

新框架RCPN提升CLIP适应性伪标签的准确性

研究人员开发了一个名为RCPN的新框架，以提高用于CLIP等视觉语言模型无监督适应的伪标签的准确性。该方法整合了原型一致性（PICS）和基于邻域的一致性（NALR），以动态地精炼伪标签，解决了领域偏移或复杂视觉数据产生的噪声问题。自适应加权机制在训练过程中进一步调整伪标签样本的影响，从而在保持计算效率的同时，在11个基准数据集上取得了最先进的性能。