BriefGPT - AI 论文速递
·
关注跨域微调中原型与图像之间的差距
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了跨域少样本分类中原型与图像嵌入的差距，指出现有方法的等同变换限制了优化。提出了对比原型-图像自适应（CoPA）方法，通过不同变换缩小差距，在Meta-Dataset上效果显著。
🎯
关键要点
- 研究跨域少样本分类中原型与图像嵌入的差距问题。
- 现有方法的等同变换限制了优化。
- 提出对比原型-图像自适应（CoPA）方法。
- CoPA方法通过不同变换缩小原型与图像的差距。
- 实验结果表明CoPA在Meta-Dataset上达到了最先进的性能。
➡️
