本期为TechBeat人工智能社区第632期线上Talk。
长按识别二维码,一键预约TALK!
如何高效的微调CLIP模型成为了一个关键问题。提示学习方法的出现给这个问题提供了一个很好的解决方案,其旨在CLIP模型中引入小部分的可学习参数进行训练,改变模型输出的表征,以达到适配下游任务的目标。本次talk将围绕提示学习方法展开,介绍和梳理提示学习的相关方法,并详细讲解我们发表在CVPR 24的PromptKD和ECCV 24的CasPL两篇工作。
2. 实验衡量指标是什么?
3. 提示学习相关论文介绍和梳理
4. 核心方法PromptKD和CasPL讲解
5. 实验分析与常见问题解答
Talk·预习资料
▼
课题组共同维护了一个关于视觉语言模型CLIP提示学习方法的详尽paper list供大家学习和参考,链接如下:
https://github.com/zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs
其中,这次talk会重点关注到以下论文:
论文链接: https://arxiv.org/abs/2203.05557 代码链接: https://github.com/KaiyangZhou/CoOp
论文链接: https://arxiv.org/abs/2109.01134 代码链接: https://github.com/KaiyangZhou/CoOp
论文链接: https://arxiv.org/abs/2210.03117 代码链接: https://github.com/muzairkhattak/multimodal-prompt-learning
论文链接: https://arxiv.org/abs/2307.06948 代码链接: https://github.com/muzairkhattak/PromptSRC
论文链接: https://arxiv.org/abs/2403.02781 代码链接: https://github.com/zhengli97/PromptKD 中文论文解读: https://zhuanlan.zhihu.com/p/684269963
论文链接: https://arxiv.org/abs/2409.17805 代码链接: https://github.com/megvii-research/CasPL
Talk·提问交流
▼
Talk·嘉宾介绍
李政
个人主页:
https://www.techbeat.net/grzytrkj?id=28926
长按识别二维码,一键预约TALK!
-The End-
如果你也想成为讲者
▼
关于TechBeat人工智能社区
更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区