這項研究旨在提升物體再識別的表現，通過微調圖像編碼器消除了prompt learning的需要，並在實驗中證明了其競爭力。研究者還將這種方法擴展到無監督場景，取得了最新的表現。

這項研究旨在提升物體再識別的表現，通過微調圖像編碼器消除了prompt learning的需要，並在實驗中證明了其競爭力。研究者還將這種方法擴展到無監督場景，取得了最新的表現。

這項研究旨在提升物體再識別的表現，通過微調圖像編碼器消除了prompt learning的需要，並在實驗中證明了其競爭力。研究者還將這種方法擴展到無監督場景，取得了最新的表現。

研究旨在提升物體再識別表現，使用了簡單有效的方法，消除了prompt learning的需要，並在實驗中證明了其競爭力。同時，該方法還擴展到無監督場景，取得了最新的表現。

這項研究旨在通過使用原型對比學習（PCL）損失微調視覺語言模型CLIP的圖像編碼器，提升物體再識別表現。實驗結果證明了該方法在人物和車輛再識別上的競爭力，並在無監督場景中取得了最新的表現。

這項研究旨在通過使用原型對比學習（PCL）損失微調視覺語言模型CLIP的圖像編碼器，提升物體再識別表現。實驗結果證明了該方法在人物和車輛再識別上的競爭力，並在無監督場景中取得了最新的表現。