条件下的原型修正提示学习
原文中文,约200字,阅读约需1分钟。发表于: 。利用大规模的预先训练的视觉语言模型,通过高效的迁移学习方法解决基类过拟合问题,提出了一种条件原型纠正提示学习方法,有效地纠正了基类示例的偏差并增加了有限数据量,在少样本分类和从基类到新类的泛化任务中实现了最先进的性能。
研究人员使用大规模预训练的视觉语言模型和迁移学习方法,提出了条件原型纠正提示学习方法,解决了基类过拟合问题,并在少样本分类和基类到新类的泛化任务中取得了最先进的性能。
利用大规模的预先训练的视觉语言模型,通过高效的迁移学习方法解决基类过拟合问题,提出了一种条件原型纠正提示学习方法,有效地纠正了基类示例的偏差并增加了有限数据量,在少样本分类和从基类到新类的泛化任务中实现了最先进的性能。
研究人员使用大规模预训练的视觉语言模型和迁移学习方法,提出了条件原型纠正提示学习方法,解决了基类过拟合问题,并在少样本分类和基类到新类的泛化任务中取得了最先进的性能。