基于置信度加权的多方法集成在零样本图像分类中的应用
发表于: 。本文介绍了一种用于零样本学习(ZSL)的新型框架,该框架利用多模型和多对齐集成方法识别在训练过程中未见过的新类别,通过利用 ChatGPT 的广泛知识和 DALL-E 的强大图像生成能力创建能够准确描述未见类别和分类边界的参考图像,改善信息瓶颈问题,整合自 CLIP 的文本 - 图像对齐和图像 - 图像对齐结果以及来自 DINO 的图像 -...
本文介绍了一种用于零样本学习(ZSL)的新型框架,该框架利用多模型和多对齐集成方法识别在训练过程中未见过的新类别,通过利用 ChatGPT 的广泛知识和 DALL-E 的强大图像生成能力创建能够准确描述未见类别和分类边界的参考图像,改善信息瓶颈问题,整合自 CLIP 的文本 - 图像对齐和图像 - 图像对齐结果以及来自 DINO 的图像 -...