@进行中{devillers-etal-2021语言,title=“语言有助于视觉模型的泛化吗?”,author=“Devillers、Benjamin和乔克西、巴文和比拉夫斯基、罗曼和VanRullen,Rufin“,editor=“比萨扎、阿里安娜和阿本德,奥姆里“,booktitle=“第25届计算自然语言学习会议记录”,月=11月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.conll-1.13”,doi=“10.18653/v1/2021.conll-1.13”,pages=“171--182”,abstract=“在多模态数据集上训练的视觉模型可以受益于大型图像采集数据集的广泛可用性。最近发现的一种模型(CLIP)在零快照和转移学习环境中具有良好的泛化能力。这可能意味着语言或{`}语义基础{'}赋予视觉特征空间额外的泛化能力。在这里,我们从无监督聚类、少快照学习、转移学习和对抗鲁棒性方面系统地评估了各种多模式体系结构和可视化模型。在每种情况下,与标准的监督视觉训练相比,多模态训练没有产生额外的泛化能力。我们的结论是,语义基础仍然需要改进视觉模型。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“devillers-etal-2021-language”><标题信息><title>语言是否有助于视觉模型中的泛化</标题></titleInfo><name type=“personal”>本杰明恶魔<角色>作者</角色></name><name type=“personal”>Bhavin乔克西<角色>作者</角色></name><name type=“personal”>罗曼比拉夫斯基<角色>作者</角色></name><name type=“personal”>Rufin公司范鲁伦(VanRullen)<角色>作者</角色></name><originInfo>发布日期:2021-11发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第25届计算自然语言学习会议记录</titleInfo><name type=“personal”>阿里安娜<namePart type=“family”>Bisazza</namePart><角色>编辑器</角色></name><name type=“personal”>欧姆里Abend(阿本德)<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem>在多模式数据集上训练的视觉模型可以受益于大型图像采集数据集的广泛可用性。最近发现一种模型(CLIP)在零快照和转移学习环境中具有良好的泛化能力。这可能意味着语言或“语义基础”赋予视觉特征空间额外的泛化能力。在这里,我们从无监督聚类、少快照学习、转移学习和对抗鲁棒性方面系统地评估了各种多模式体系结构和可视化模型。在每种情况下,与标准的监督视觉训练相比,多模态训练没有产生额外的泛化能力。我们的结论是,语义基础仍然需要改进视觉模型</摘要><identifier type=“citekey”>设备-etal-2021语言10.18653/v1/2021.conll-1.13<位置><网址>https://aclantology.org/2021.coll-1.13</url></位置><部分>2021-11年<扩展单元=“page”><开始>171<end>182</范围></部分></mods></modsCollection>
%0会议记录%语言有助于视觉模型的泛化吗?%本杰明,魔鬼队%巴文·A·乔克西%罗曼·比拉夫斯基%范鲁伦,鲁芬%阿里安娜·比萨扎%奥姆里·阿本德%第25届计算自然语言学习会议论文集%D 2021年%11月8日%计算语言学协会%C在线%F devillers-etal-2021语言%在多模式数据集上训练的X Vision模型可以受益于大型图像采集数据集的广泛可用性。最近发现一种模型(CLIP)在零快照和转移学习环境中具有良好的泛化能力。这可能意味着语言或“语义基础”赋予视觉特征空间额外的泛化能力。在这里,我们从无监督聚类、少快照学习、转移学习和对抗鲁棒性方面系统地评估了各种多模式体系结构和可视化模型。在每种情况下,与标准的监督视觉训练相比,多模态训练没有产生额外的泛化能力。我们的结论是,语义基础仍然需要改进视觉模型。%R 10.18653/v1/2021.coll-1.13%U型https://aclantology.org/2021.coll-1.13%U型https://doi.org/10.18653/v1/2021.coll-1.13%电话171-182
降价(非正式)
[语言是否有助于视觉模型中的泛化?](https://acl选集.org/2021.conll-1.13)(Devillers等人,CoNLL 2021)
国际计算语言学协会
- 本杰明·德维勒(Benjamin Devillers)、巴文·乔克西(Bhavin Choksi)、罗曼·比拉夫斯基(Romain Bielawski)和鲁芬·范鲁伦(Rufin VanRullen)。2021语言有助于视觉模型中的泛化吗?.英寸第25届计算自然语言学习会议记录,第171-182页,在线。计算语言学协会。