Kernel Alignment with Loss Equilibration

KALE 方法通过自适应损失均衡改进 CLIP 视觉表示

研究人员开发了 KALE（Kernel Alignment with Loss Equilibration，核对齐与损失均衡），一种通过与 DINOv2 等以视觉为中心的教师模型对齐来改进 CLIP 视觉表示的新颖方法。与以往在网络规模的嘈杂数据上表现不佳的方法不同，KALE 自适应地重新缩放对齐权重以保持信号完整性。该技术需要显著增加对齐权重和特定的学习率计划以获得稳定性，但最终在 SVHN 等基准测试中提高了图像-文本检索和零样本性能。