arXiv Computer Vision· Haiyun Guo, Hongyu Guo, Xiangzhao Hao, Jiarui Guo, Jinqiao Wang, Tat-Seng Chua·· 2 小时前AI 评分24
UniFGVC：基于属性感知多模态检索的通用免训练少样本细粒度视觉分类
UniFGVC: Universal Training-Free Few-Shot Fine-Grained Vision Classification via Attribute-Aware Multimodal Retrieval
AI 导读
UniFGVC 是一个免训练的少样本细粒度视觉分类框架，将分类任务重构为基于预定义类别模板的多模态检索问题。其核心模块 CDV-Captioner 借助 MLLM 生成结构化文本描述，结合链式推理与视觉参考定位相似类别间的判别性视觉属性，抑制模型幻觉。在 12 个 FGVC 数据集上，该方法不仅优于现有少样本 CLIP 方法，还超过多个全监督 MLLM 方法。
来源：arXiv Computer Vision · arxiv.org