该文介绍了一种基于CapFSAR框架的视觉文本聚合模块，能够在低样本情况下实现更全面的分类。在多个标准的少样本基准实验中，该方法表现优于现有方法，并达到了最先进的性能。

基于字幕基础模型的少样本动作识别
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