BriefGPT - AI 论文速递
·
FE-Adapter：将基于图像的情感分类器适应于视频
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了基于adapter的参数高效迁移学习技术，以VL-BART和VLT5为例，在图像文本和视频文本基准测试上通过权重共享提高adapter的效率和性能。同时对adapter与任务特定提示的组合及V&L预训练对adapter的影响进行了综合分析。
🎯
关键要点
- 提出基于 adapter 的参数高效迁移学习技术。
- 以 VL-BART 和 VLT5 为例进行研究。
- 在图像文本和视频文本基准测试上统一多任务设置。
- 通过权重共享提高 adapter 的效率和性能。
- 在图像文本任务中，adapter 的使用提升至总参数的 4.18%。
- 在视频文本任务中，adapter 的使用提升至总参数的 3.39%。
- adapter 的性能匹配整个模型微调的性能。
- 综合分析 adapter 与任务特定提示的组合及 V&L 预训练对 adapter 的影响。
🏷️
标签
➡️
