BriefGPT - AI 论文速递
·
Craft: 跨模态对齐特征提高提示调整的鲁棒性
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究提出了一种名为Unified Prompt Tuning (UPT)的方法，通过微调文本和视觉提示的参数来优化跨模态的学习效果。在11个视觉数据集上进行了测试，取得了较好的few-shot learning和domain generalization的效果。
🎯
关键要点
- 该研究提出了一种名为Unified Prompt Tuning (UPT)的方法。
- UPT通过微调文本和视觉提示的参数来优化跨模态的学习效果。
- 在11个视觉数据集上进行了测试。
- 研究取得了较好的few-shot learning效果。
- 研究在domain generalization方面也取得了良好效果。
➡️
