使用大型视觉模型提升长尾数据中的特征
计算机视觉与模式识别
2026-02-09 v3
摘要
语言基础模型，如大型语言模型（LLM）或大型视觉-语言模型（LVM），已在长尾识别中广泛受到关注。然而，语言数据的需求并非适用于所有实际任务。本研究旨在探索使用大型视觉模型（LVM）或视觉基础模型（VFM）在不包含任何语言信息的情况下增强长尾数据特征。具体而言，我们从 LVM 中提取特征，并与基线网络的 map 和潜在空间中的特征融合，以获得增强后的特征。此外，我们设计了若干基于原型的损失函数，以进一步利用增强特征的潜力。在实验部分，我们在两个基准数据集上验证了该方法：ImageNet-LT 和 iNaturalist2018。
引用
@article{arxiv.2504.10852,
title = {Enhancing Features in Long-tailed Data Using Large Vision Model},
author = {Pengxiao Han and Changkun Ye and Jinguang Tong and Cuicui Jiang and Jie Hong and Li Fang and Xuesong Li},
journal= {arXiv preprint arXiv:2504.10852},
year = {2026}
}