arXiv · cs.AI· Pavodi Maniamfu·· 23 小时前AI 评分20
LE-GDA：免训练少样本 CLIP 适配的层集成高斯判别分析
LE-GDA: Layer Ensemble Gaussian Discriminant Analysis for Training-Free Few-Shot CLIP Adaptation
来源与原文
arXiv · cs.AI
作者：Pavodi Maniamfu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.34901v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 LE-GDA，一种免训练的少样本 CLIP 适配方法，对单次冻结编码器提取的中间与最终表征分别拟合正则化共享协方差判别式，按查询标准化类别分数后与零样本分类器组合，无需梯度优化。在 11 个数据集、四种 CLIP backbone、五种 shot 数设置下，该方法在所有 backbone 上均取得最高平均准确率，将 16-shot 平均准确率从 78.01% 提升至 79.54%；单样本场景下仍比基线平均高 1.20 个百分点。代码与评测资源已公开。
来源：arXiv · cs.AI · arxiv.org