通过自我结构语义对齐实现真实零样本分类
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了 Self Structural Semantic Alignment (S^3A) 框架，该框架通过从无标签数据中提取结构语义信息并进行自学习，克服了传统的基于大规模预训练视觉语言模型方法所存在的假设有部分源监督或理想词汇表的限制，通过 Cluster-Vote-Prompt-Realign...
本文介绍了一种名为Self Structural Semantic Alignment (S^3A)的框架，通过从无标签数据中提取结构语义信息并进行自学习，克服了传统方法的限制，并实现了对现实中零样本分类的挑战。实验结果表明，该方法相对于现有的基于VLMs的方法平均提高了15%以上的准确性。
