Tag · 3 篇

少样本微调

分布数据集与评测1生成模型与扩散1视觉语言模型1

Towards Open-Vocabulary Industrial Defect Understanding with a Large-Scale Multimodal Dataset

提供了一个百万级图文对齐的工业缺陷数据集，可用于训练和评测视觉语言基础模型在缺陷分类、分割、检索、描述生成上的开放词表能力；其从零训练扩散式视觉语言基础模型、再用不到 5% 任务数据轻量微调即达到专家模型水平的范式，对做领域自适应和少样本迁移的视觉研究者有直接参考价值。

First Frame Is the Place to Go for Video Content Customization

揭示视频生成模型将首帧作为概念记忆缓冲区的隐式机制，为参考引导的视频内容定制提供了一种无需架构改动、仅需20-50个训练样本的少样本微调思路，可复用于个性化视频生成与编辑任务。

Beyond Graph Model: Reliable VLM Fine-Tuning via Random Graph Adapter

把类别文本描述建模成顶点随机知识图，用概率消息传播得到上下文感知的分布表示，再经重参数化采样学习文本适配器；做 VLM 下游少样本分类时可直接替换确定性文本适配器，并配合多模型不确定性融合提升鲁棒性。