Tag · 2 篇
开放词表学习
分布 视觉语言模型13D 视觉与重建1
01 02
词汇缩放定律：调整开放词表预测器以提升其开放性
Vocabulary Scaling Law: Tuning Open-vocabulary Predictors for Their Openness
提出词汇缩放定律，指导开放词表预测器的微调应覆盖整个词汇表、调整类名嵌入并强制提示词嵌入正交；SVFT 通过子模最大化选择信息量大的类名子集进行高效微调，可直接用于提升 CLIP 在开放世界中的稳定性和可扩展性。
QueryMe：查询驱动的多模态证据开放词表3D物体功能可供性定位
QueryMe: Query-Driven Open-Vocabulary 3D Object Affordances Grounding from Multimodal Evidence
将2D人-物交互图像投影到3D空间，并用多模态查询结构在点云中检索几何一致的功能部件，为开放词表3D功能可供性定位提供了可复用的跨模态对齐与查询机制。