FROSTER：冷冻 CLIP 是开放词汇动作识别的强大教师
原文中文，约500字，阅读约需2分钟。发表于：。FROSTER 是一个有效的开放词汇动作识别框架，通过使用残差特征蒸馏方法，能够确保 CLIP 保持其泛化能力，并有效适应于动作识别任务，从而在开放词汇动作识别基准数据集上实现了最先进的性能。
本研究介绍了Open-VCLIP++框架，通过修改CLIP捕捉视频时空关系，创建视频分类器，追求泛化性。利用权重插值的优势，训练Open-VCLIP++等同于零历史数据的持续学习。在动作识别数据集上评估，超过现有技术水平。在UCF、HMDB和Kinetics-600数据集上分别实现88.1%、58.7%和81.2%的零样本准确率，比最佳替代方法高出8.5%、8.2%和12.3%。在MSR-VTT视频文本检索数据集上达到竞争水平，使用更少的微调数据。
