可学习提示小样本模型

比SOTA高3.3%

相比已有基于语义的小样本学习方法，该模型以更简洁的架构充分利用预训练语言模型的零样本能力，实现更优性能。

Zhou, Chunpeng · 于智 · Xilu, Yuan · Zhou, Sheng · 卜佳俊 · Wang, Haishuai

Information Fusion 2025

参数信息

平均准确率提升

3.3 %

技术优势

架构更简单

直接将视觉特征与文本特征相加用于推理，无需设计复杂的融合模块。

性能提升显著

在1-shot任务上平均超越现有最优方法3.3%，性能增益突出。

应用场景

• 机器人小样本学习：用极少样本快速适配新物体识别，减少机器人部署数据采集量。
• 工业视觉识别：提升工业质检模型在少样本缺陷类别上的泛化能力。
• 边缘智能：简洁架构降低计算开销，适合在边缘设备上部署小样本学习模型。