Tag · 2 篇
免训练适配器
分布 视觉语言模型1生成模型与扩散1
01 02
面向动作识别的 VLM 精简测试时自适应
Condensed Test-Time Adaptation of VLMs for Action Recognition
提出免训练的 ConDA 适配器，用视觉-文本对齐的概率做语义图像块筛选，再按图像块级视觉相似度构建时空管，绕开记忆缓存两步模态映射链的非传递性问题；做视频 VLM 下游适配时可直接复用这套「文本引导视觉聚合」的免训练流程。
生成之前先对齐图像
Align Images Before You Generate
CorrAdapter 用扩散模型中间特征自建跨图像对应关系，并通过旁路分支只聚合匹配区域的信息，为多视图/视频扩散提供了一种免训练、与基线无关的时空一致性增强手段，可直接插入现有 transformer 主干。