参数高效
通过为下游任务学习任务特定的视觉提示，以冻结的预训练模型适应多种视觉任务，性能超越传统微调，且仅需训练少量参数。
Xing, Nie · 尼博琳 · Chang, Jianlong · 孟高峰 · 霍春雷 · 向世明 · 田奇
IEEE Transactions on Circuits and Systems for Video Technology 2023
预训练模型被完全冻结，只训练为下游任务学习的视觉提示，因此只需存储和更新极少的额外参数。
在图像分类（含类别不平衡、图像损坏、自然对抗样本、分布外泛化）和密集预测任务上，Pro-tuning 的性能优于传统的全量微调。
Pro-tuning 既能适配卷积神经网络也能适配 Transformer 架构的预训练模型，因此可以灵活用于各类主流骨干网络。