Buchumschlag

Fully Fine-tuned CLIP Models are Efficient Few-Shot Learners

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Mushui, Li, Bozheng, Yu, Yunlong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OmniCLIP: Adapting CLIP for Video Recognition with Spatial-Temporal Omni-Scale Feature Learning
von: Liu, Mushui, et al.
Veröffentlicht: (2024)

Frame Order Matters: A Temporal Sequence-Aware Model for Few-Shot Action Recognition
von: Li, Bozheng, et al.
Veröffentlicht: (2024)

Envisioning Class Entity Reasoning by Large Language Models for Few-shot Learning
von: Liu, Mushui, et al.
Veröffentlicht: (2024)

Hybrid Mask Generation for Infrared Small Target Detection with Single-Point Supervision
von: He, Weijie, et al.
Veröffentlicht: (2024)

CLIP model is an Efficient Online Lifelong Learner
von: Wang, Leyuan, et al.
Veröffentlicht: (2024)

Preserve and Sculpt: Manifold-Aligned Fine-tuning of Vision-Language Models for Few-Shot Learning
von: Chen, Dexia, et al.
Veröffentlicht: (2025)

Logits DeConfusion with CLIP for Few-Shot Learning
von: Li, Shuo, et al.
Veröffentlicht: (2025)

Semantic-aware Adversarial Fine-tuning for CLIP
von: Zhang, Jiacheng, et al.
Veröffentlicht: (2026)

DCoAR: Deep Concept Injection into Unified Autoregressive Models for Personalized Text-to-Image Generation
von: Wu, Fangtai, et al.
Veröffentlicht: (2025)

Singular Value Fine-tuning for Few-Shot Class-Incremental Learning
von: Wang, Zhiwu, et al.
Veröffentlicht: (2025)

Color as the Impetus: Transforming Few-Shot Learner
von: Qi, Chaofei, et al.
Veröffentlicht: (2025)

DyST-XL: Dynamic Layout Planning and Content Control for Compositional Text-to-Video Generation
von: He, Weijie, et al.
Veröffentlicht: (2025)

UltraAD: Fine-Grained Ultrasound Anomaly Classification via Few-Shot CLIP Adaptation
von: Zhou, Yue, et al.
Veröffentlicht: (2025)

Transductive Zero-Shot and Few-Shot CLIP
von: Martin, Ségolène, et al.
Veröffentlicht: (2024)

Rethinking Prior Information Generation with CLIP for Few-Shot Segmentation
von: Wang, Jin, et al.
Veröffentlicht: (2024)

CM-UNet: Hybrid CNN-Mamba UNet for Remote Sensing Image Semantic Segmentation
von: Liu, Mushui, et al.
Veröffentlicht: (2024)

Few-Shot Learner Generalizes Across AI-Generated Image Detection
von: Wu, Shiyu, et al.
Veröffentlicht: (2025)

CLIP-FSAC++: Few-Shot Anomaly Classification with Anomaly Descriptor Based on CLIP
von: Zuo, Zuo, et al.
Veröffentlicht: (2024)

Dynamic Gradient Sparsification Training for Few-Shot Fine-tuning of CT Lymph Node Segmentation Foundation Model
von: Luo, Zihao, et al.
Veröffentlicht: (2025)

Robotic-CLIP: Fine-tuning CLIP on Action Data for Robotic Applications
von: Nguyen, Nghia, et al.
Veröffentlicht: (2024)

Proto-CLIP: Vision-Language Prototypical Network for Few-Shot Learning
von: P, Jishnu Jaykumar, et al.
Veröffentlicht: (2023)

MA-FSAR: Multimodal Adaptation of CLIP for Few-Shot Action Recognition
von: Xing, Jiazheng, et al.
Veröffentlicht: (2023)

Multimodal CLIP Inference for Meta-Few-Shot Image Classification
von: Ferragu, Constance, et al.
Veröffentlicht: (2024)

Language-Aware Information Maximization for Transductive Few-Shot CLIP
von: Baklouti, Ghassen, et al.
Veröffentlicht: (2025)

Prototypical Contrastive Learning-based CLIP Fine-tuning for Object Re-identification
von: Li, Jiachen, et al.
Veröffentlicht: (2023)

SeaS: Few-shot Industrial Anomaly Image Generation with Separation and Sharing Fine-tuning
von: Dai, Zhewei, et al.
Veröffentlicht: (2024)

Hold-One-Shot-Out (HOSO) for Validation-Free Few-Shot CLIP Adapters
von: Vorster, Chris, et al.
Veröffentlicht: (2026)

Topology-Aware CLIP Few-Shot Learning
von: Huang, Dazhi
Veröffentlicht: (2025)

Text and Image Are Mutually Beneficial: Enhancing Training-Free Few-Shot Classification with CLIP
von: Li, Yayuan, et al.
Veröffentlicht: (2024)

LP++: A Surprisingly Strong Linear Probe for Few-Shot CLIP
von: Huang, Yunshi, et al.
Veröffentlicht: (2024)

Res$^2$CLIP: Few-Shot Generalist Anomaly Detection with Residual-to-Residual Alignment
von: Liu, Xinyue, et al.
Veröffentlicht: (2026)

Sparse Autoencoders enable Robust and Interpretable Fine-tuning of CLIP models
von: Morelli, Fabian, et al.
Veröffentlicht: (2026)

Towards Foundation Models and Few-Shot Parameter-Efficient Fine-Tuning for Volumetric Organ Segmentation
von: Silva-Rodríguez, Julio, et al.
Veröffentlicht: (2023)

Pre-trained Vision and Language Transformers Are Few-Shot Incremental Learners
von: Park, Keon-Hee, et al.
Veröffentlicht: (2024)

Learning to Adapt Category Consistent Meta-Feature of CLIP for Few-Shot Classification
von: Shi, Jiaying, et al.
Veröffentlicht: (2024)

Rethinking Few Shot CLIP Benchmarks: A Critical Analysis in the Inductive Setting
von: Kravets, Alexey, et al.
Veröffentlicht: (2025)

Improve Meta-learning for Few-Shot Text Classification with All You Can Acquire from the Tasks
von: Liu, Xinyue, et al.
Veröffentlicht: (2024)

Improving CLIP Adaptation by Breaking Tail Alignment for Source-Free Cross-Domain Few-Shot Learning
von: Yi, Shuai, et al.
Veröffentlicht: (2026)

Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation
von: Ming, Yu, et al.
Veröffentlicht: (2024)

Learning to Adapt Frozen CLIP for Few-Shot Test-Time Domain Adaptation
von: Chi, Zhixiang, et al.
Veröffentlicht: (2025)