跳到正文
arXiv · ML· Tongqing Shi, Ge Yan, Tuomas Oikarinen, Tsui-Wei Weng·· 10 天前AI 评分30

多模态概念瓶颈模型 MM-CBM:基于 CLIP 的可解释零样本视觉方法

Multimodal Concept Bottleneck Models

AI 导读

研究人员提出多模态概念瓶颈模型 MM-CBM,将概念瓶颈层扩展至 CLIP 结构,在四个标准基准上平均准确率提升 23.28%。 该模型利用双概念瓶颈层对齐图像与文本嵌入,支持可解释的零样本分类和图像检索,已获 TMLR 2026 录用。

来源:arXiv · ML · arxiv.org