テキストタグ自己蒸留によるCLIPの画像テキスト整合性の向上と単一タグバイアスの緩和

CLIPベースのモデルにおける単一タグバイアスを特定し、テキストタグの自己蒸留を通じてこのバイアスを緩和することで、画像テキスト整合性を大幅に向上させる。