Core Concepts
시험 시간 비전 인식을 위한 In-Context Prompt Learning의 효과적인 방법론 소개
Abstract
기존의 사전 훈련된 비전-언어 모델을 새로운 하위 작업에 적응시키기 위한 In-Context Prompt Learning(InCPL) 방법론 소개
InCPL은 시험 시간에 한정된 문맥 예제를 활용하여 모델을 적응시키는 방법으로, 새로운 하위 작업에 대한 성능 향상을 보임
시험 시간에 동결된 CLIP 모델을 새로운 작업에 적응시키는 방법으로, InCPL은 상위 성능을 보이며 다양한 하위 데이터셋에서 최신 결과를 달성함
Stats
시험 입력이 다른 분포를 보일 때 모델의 성능이 크게 저하될 수 있음
InCPL은 새로운 하위 작업에 대한 모델 적응을 용이하게 함
InCPL은 시험 샘플에 대한 적응 가능한 프롬프트를 학습하여 모델의 적응 프로세스를 용이하게 함
Quotes
"InCPL은 시험 시간에 동결된 CLIP 모델을 새로운 작업에 적응시키는 방법으로, 상위 성능을 보이며 다양한 하위 데이터셋에서 최신 결과를 달성함."