CLIPモデルの頑健なファインチューニング: ランダムテキストガイダンスを用いた手法

ビジョン言語モデルのファインチューニング時に、ランダムテキストを用いた正則化項を導入することで、ゼロショットモデルとの関係性を維持し、分布シフトに対するロバスト性を向上させる。