BriefGPT - AI 论文速递
·
朝向零样本相机监测图像分类
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
零样本模型在预训练时标签分布不匹配。研究者提出用最优传输方法调整预测结果，在多个零样本任务中提高了准确率，超过了大多数基线方法。
🎯
关键要点
- 零样本模型在预训练时存在标签分布不匹配的问题。
- 不平衡的网络规模预训练数据导致了这一问题。
- 研究者提出了一种通过最优传输调整预测结果的方法。
- 该方法在多个零样本图像和文本分类任务中进行了实验。
- 实验结果显示准确率提高了4.8%和15.9%的平均值。
- 在21个数据集中，有17个数据集的表现超过了Prior Matching等基线方法。
➡️
