用于组合零样本学习的分离的 Inter/Intra-Modal Fusion 提示
计算机视觉与模式识别
2025-01-30 v1 人工智能
机器学习
图像与视频处理
摘要
组合零样本学习（CZSL）旨在通过使用训练中的已知和未知概念来识别意义细微差异或状态与对象的组合。现有方法要么专注于提示配置，要么用于调整预训练的视觉语言模型。然而，这些方法面临在准确识别意义细微差异或组合状态与对象方面的挑战。为了同时消除上述问题并构建一种高效且有效的 CZSL 技术，我们建议一种方法，通过利用多样化的提示学习和用于场景理解中细微语义差异和多个对象中的 Inter/Intra-Modality Fusion Synthesizer 来提高属性识别性能。
引用
@article{arxiv.2501.17171,
title = {Separated Inter/Intra-Modal Fusion Prompts for Compositional Zero-Shot Learning},
author = {Sua Jung},
journal= {arXiv preprint arXiv:2501.17171},
year = {2025}
}
备注
AIAP 2025