少样本OoD显著提升
通过贝叶斯正则化只微调文本表示，在图像分类、检测和分割上实现少样本分布外泛化的最先进性能。
朱琳 · Weihan, Yin · Fan, Wu · Qinying, Gu · 王新兵 · 周成虎 · Ye, Nanyang
International Journal of Computer Vision 2025
在图像分类、目标检测和实例分割任务上均显著超越最近的基于CLIP的方法，验证了方法的有效性和通用性。
在温和假设下，理论证明本方法在分布偏移下能取得比以往方法更低的泛化误差，为性能提供理论支撑。
贝叶斯方法本质上避免对训练中观察到的基类过拟合，从而提升对未见过类别的泛化能力。