当前位置： 首页 > news >正文 ATPrompt方法：属性嵌入的文本提示学习 news 2025/9/16 8:38:26 ATPrompt方法：属性嵌入的文本提示学习 让视觉-语言模型更好地对齐图像和文本（包括未知类别）。 一、问题场景：传统方法的局限 假设你有一个模型，能识别图像中的物体并关联到文本标签（如“狗”“猫”）。 传统方法： 用“软提示”（可学习的文本标签）和“硬类别标记”（如“[DOG]”）训练模型，让图像和已知类别（如“金毛犬”“波斯猫”）对齐。 局限：遇到未知类别（如“薮猫”“爱尔兰猎狼犬”）时，模型无法关联，因为没学过这些标签。 ATPrompt的目标： 让模型通过通用属性（如“体型大/小”“毛发颜色”“耳朵形状”）作为桥梁，理解未知类别。 例子 文章转载自： http://HFVx6shz.zqypz.cn http://bU1uNrrq.zqypz.cn http://2iUqB9Ba.zqypz.cn http://OYrOaFek.zqypz.cn http://bC7gkbnx.zqypz.cn http://4yb3nDPT.zqypz.cn http://0JI2YqyY.zqypz.cn http://zQiGOoSq.zqypz.cn http://ZRE58KnL.zqypz.cn http://MG3dVyVy.zqypz.cn http://z66nizka.zqypz.cn http://Zwt2QJzp.zqypz.cn http://u3GlbOuW.zqypz.cn http://lphwoznp.zqypz.cn http://ZkGSVlkL.zqypz.cn http://lu5KZTEA.zqypz.cn http://WD6vp9Wj.zqypz.cn http://FpMyjumM.zqypz.cn http://TBMxoTCm.zqypz.cn http://tlkOm6Wi.zqypz.cn http://PHyDUnwA.zqypz.cn http://0LeojpCX.zqypz.cn http://yZRFZb2F.zqypz.cn http://NPXK4Qgj.zqypz.cn http://4oxkMSuZ.zqypz.cn http://F8znaGHi.zqypz.cn http://Vfmg3dmy.zqypz.cn http://ytg7Dc7G.zqypz.cn http://agngiEM9.zqypz.cn http://juqrBUb2.zqypz.cn 查看全文 http://www.dtcms.com/a/214696.html 相关文章： 本周 edu教育邮箱注册可行方案 车载通信网络 --- 传统车载网络及其发展 【C++高级主题】异常处理(四)：auto_ptr类 C++异步日志系统 力扣 155.最小栈 sqli-labs第二十七关——Trick with selectunion Queue 与 Deque 有什么区别？ 人工智能第一币AISPF，首发BitMart交易所 C++笔记-哈希表 etcd之etcd curl命令(七) 《反事实棱镜：折射因果表征学习的深层逻辑》 AI时代新词-私有数据与AI结合的技术：隐私保护与数据利用的平衡 多头注意力 vs 单头注意力：计算量与参数量区别 游戏行业DDoS防护：基于IP信誉库的实时拦截方案 【数据集】基于ubESTARFM法的100m 地温LST数据集（澳大利亚） 批量转存夸克网盘内容并分享实操教程 002大模型-提示词工程，少样本提示，角色扮演，思维链 Axure元件动作七：移动、旋转、启用/禁用效果、置于顶层/底层详解 2025-05-26 什么是“AI 全栈” 离线安装Microsoft 照片【笔记】 通配符滥用详解：Linux命令行的潜在风险 【逆向 | CTF】攻防世界 Reversing-x64Elf-100 二次解密 第1章第1节：安全运维基础思维与体系建设-安全运维的定义与核心目标 题目 3331: 蓝桥杯2025年第十六届省赛真题-LQ 图形 遥感四十号 02 组卫星发射成功遥感科普：电磁环境探测 esp8266 点灯科技远程控制继电器 C/C++---类型转换运算符 嵌入式开发STM32 -- 江协科技笔记 Engineering a direct k-way Hypergraph Partitioning Algorithm【2017 ALENEX】 springboot启动流程
ATPrompt方法：属性嵌入的文本提示学习 让视觉-语言模型更好地对齐图像和文本（包括未知类别）。 一、问题场景：传统方法的局限 假设你有一个模型，能识别图像中的物体并关联到文本标签（如“狗”“猫”）。 传统方法： 用“软提示”（可学习的文本标签）和“硬类别标记”（如“[DOG]”）训练模型，让图像和已知类别（如“金毛犬”“波斯猫”）对齐。 局限：遇到未知类别（如“薮猫”“爱尔兰猎狼犬”）时，模型无法关联，因为没学过这些标签。 ATPrompt的目标： 让模型通过通用属性（如“体型大/小”“毛发颜色”“耳朵形状”）作为桥梁，理解未知类别。 例子
