Janged的博客

翻译 UniCL_计算机视觉_2022

视觉识别是最近通过监督学习的人类注释的图像标签数据或语言-图像对比学习与网页爬行的图像-文本对。虽然监督学习可能会导致更有鉴别性的表示，但语言图像预训练显示出前所未有的零镜头识别能力，这主要是由于数据源和学习目标的不同属性。在这项工作中，引入了一个新的公式，将两个数据源合并到一个共同的图像-文本标签空间。在这个领域，我们提出了一种新的学习范式，称为统一对比学习(UniCL)，它有一个单一的学习目标，可以无缝地促进两种数据类型的协同。.........