Tag · 2 篇
视觉-文本对齐
分布 自监督与表征学习1视觉语言模型1
01 02
像人类一样学习：面向广义类别发现的类比概念学习
Learning Like Humans: Analogical Concept Learning for Generalized Category Discovery
把无标注样本的发现过程转成视觉-文本推理：用已标注知识类比生成文本概念，再与视觉特征融合，可直接插到参数化或聚类式 GCD 流程中，为开放世界细粒度识别提供可复用的文本先验注入手段。
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。