ATPrompt方法：属性嵌入的文本提示学习

ATPrompt方法：属性嵌入的文本提示学习

让视觉-语言模型更好地对齐图像和文本（包括未知类别）。

一、问题场景：传统方法的局限

假设你有一个模型，能识别图像中的物体并关联到文本标签（如“狗”“猫”）。

• 传统方法：
  用“软提示”（可学习的文本标签）和“硬类别标记”（如“[DOG]”）训练模型，让图像和已知类别（如“金毛犬”“波斯猫”）对齐。
  局限：遇到未知类别（如“薮猫”“爱尔兰猎狼犬”）时，模型无法关联，因为没学过这些标签。

• ATPrompt的目标：
  让模型通过通用属性（如“体型大/小”“毛发颜色”“耳朵形状”）作为桥梁，理解未知类别。
  例子