面向视觉-语言模型的递进互提示学习
Progcopl: progressive co-prompting learning for vision-language models
1. 浙江理工大学 计算机科学与技术学院(人工智能学院), 杭州 310000
2. 嘉兴大学 信息科学与工程学院, 浙江 嘉兴 314000
3. 嘉兴市计量检定测试院, 浙江 嘉兴 314000

摘要
大规模预训练视觉-语言模型CLIP(Contrastive Language-Image Pretraining)可将输入图像和文本投影到公共语义空间实现跨模态对齐,且在广泛的下游任务上展现了较强的泛化能力。然而,现有的提示学习方法通常在CLIP的视觉编码器和文本编码器的各层分别插入独立的可学习提示向量,以矫正表征空间,但缺乏充分的跨模态交互,且编码器各层的提示相互独立,无法有效引导编码器准确捕获任务所需信息。为解决上述问题,提出递进互提示学习方法(Progressive Co-Prompting Learning,ProgCoPL),该方法在视觉编码器层插入由文本提示引导的提示向量,在文本编码器层插入由视觉提示引导的提示向量,从而有效增强了模型的跨模态交互与对齐能力。此外,ProgCoPL通过在编码器各层的提示向量之间添加信息传递通道,实现了层级递进的信息整合,从而更精准地捕获任务相关信息。在11个数据集上的实验结果表明,ProgCoPL能够将CLIP模型高效适配到下游任务,且在多个泛化能力测试中,ProgCoPL的表现超越了现有方法,尤其是在跨数据集泛化能力测试上取得了显著进步。
关键词
基金项目
中国博士后科学基金资助项目(Grant2022M720569)、浙江省自然科学基金资助项目(GrantLQ21F020022)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.10.0446
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第6期
发布历史
[2025-03-10] 优先出版
引用本文
陶俊杰, 张卫锋, 王玉霞, 等. 面向视觉-语言模型的递进互提示学习 [J]. 计算机应用研究, 2025, 42 (6). (2025-03-10). https://doi.org/10.19734/j.issn.1001-3695.2024.10.0446. (Tao Junjie, Zhang Weifeng, Wang Yuxia, et al. Progcopl: progressive co-prompting learning for vision-language models [J]. Application Research of Computers, 2025, 42 (6). (2025-03-10). https://doi.org/10.19734/j.issn.1001-3695.2024.10.0446. )
关于期刊

- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊(北大2023年版)
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊