本文介绍了一种可伸缩性方法，通过从视觉-语言基准中提取的多样化特征，测量它们与目标模型输出的相关性。作者确认了之前发现的CLIP表现类似于词袋模型，并在名词和动词上表现更好。

CLAIR: 使用大型语言模型评估图像标题
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证