arXiv cs.CV· Peilin Yang, Xiaoyu Liu, Jian Sun, Qinghua Tao·· 1 天前AI 评分22
通过核典型相关分析重新审视 VLM 的视觉表征增强
Revisiting Visual Representation Enhancement of VLMs via Kernel Canonical Correlation Analysis
AI 导读
研究提出基于核典型相关分析（KCCA）的特征子空间对齐方法，并扩展为三视图 3vKCCA，将预训练文本编码器的投影纳入统一优化框架联合对齐。在 ImageNet-1K 上使用 CLIP ViT-L/14，3vKCCA 将 MMVP-VLM 准确率从 17.8 提升至 25.9，同时保持零样本图文检索性能。
来源：arXiv cs.CV · arxiv.org