详细内容或原文请订阅后点击阅览
聚合和调整自然语言提示以实现 CLIP 的下游泛化
大型预训练视觉语言模型（如 CLIP）已显示出良好的泛化能力，但在专业领域（例如卫星图像）或细粒度分类（例如汽车模型）中可能会遇到困难，因为在预训练期间看不到视觉概念或视觉概念代表性不足。即时学习提供了一个参数高效的微调框架，即使在注释数据有限的情况下，也可以使 CLIP 适应下游任务。在本文中，我们通过从自然语言提示（人工或 LLM 生成）中提取文本知识来改进即时学习，以提供……
来源:Apple机器学习研究400不良请求
您的请求已被我们的服务器的安全策略所阻止。
如果您认为这是一个错误，请联系我们的支持团队。
支持团队