Vision-Language Models for Vision Tasks: A Survey

计算机科学 人工智能 机器学习 分类 任务(项目管理) 标杆管理 任务分析 营销 经济 业务 管理
作者
J Zhang,Jiaxing Huang,Sheng Jin,Shijian Lu
出处
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence [Institute of Electrical and Electronics Engineers]
卷期号:46 (8): 5625-5644 被引量:54
标识
DOI:10.1109/tpami.2024.3369699
摘要

Most visual recognition studies rely heavily on crowd-labelled data in deep neural networks (DNNs) training, and they usually train a DNN for each single visual recognition task, leading to a laborious and time-consuming visual recognition paradigm. To address the two challenges, Vision-Language Models (VLMs) have been intensively investigated recently, which learns rich vision-language correlation from web-scale image-text pairs that are almost infinitely available on the Internet and enables zero-shot predictions on various visual recognition tasks with a single VLM. This paper provides a systematic review of visual language models for various visual recognition tasks, including: (1) the background that introduces the development of visual recognition paradigms; (2) the foundations of VLM that summarize the widely-adopted network architectures, pre-training objectives, and downstream tasks; (3) the widely-adopted datasets in VLM pre-training and evaluations; (4) the review and categorization of existing VLM pre-training methods, VLM transfer learning methods, and VLM knowledge distillation methods; (5) the benchmarking, analysis and discussion of the reviewed methods; (6) several research challenges and potential research directions that could be pursued in the future VLM studies for visual recognition.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
隐形曼青应助科研通管家采纳,获得10
1秒前
烟花应助科研通管家采纳,获得10
1秒前
1秒前
adamchris应助科研通管家采纳,获得30
1秒前
oceanao应助科研通管家采纳,获得10
1秒前
2秒前
樱偶猫发布了新的文献求助10
2秒前
爆米花应助吨吨采纳,获得20
3秒前
4秒前
淡淡的忆彤完成签到,获得积分10
6秒前
一李子真甜完成签到,获得积分10
6秒前
澈千子发布了新的文献求助10
6秒前
7秒前
思琪完成签到,获得积分10
7秒前
8秒前
墨染完成签到,获得积分10
9秒前
9秒前
脑洞疼应助研ge采纳,获得10
9秒前
alexyang发布了新的文献求助10
9秒前
cruise发布了新的文献求助10
10秒前
小二郎应助川祈采纳,获得10
10秒前
小蘑菇应助愤怒的紫采纳,获得10
11秒前
jovrtic发布了新的文献求助30
12秒前
范老师完成签到,获得积分10
12秒前
12秒前
从容万恶发布了新的文献求助10
12秒前
秋雨完成签到 ,获得积分10
15秒前
MM发布了新的文献求助10
16秒前
18秒前
小茵茵发布了新的文献求助10
18秒前
567完成签到,获得积分20
19秒前
Danish完成签到,获得积分10
20秒前
20秒前
科研通AI2S应助字符串采纳,获得10
21秒前
爆米花应助MM采纳,获得10
21秒前
zzzz完成签到 ,获得积分10
21秒前
loong完成签到,获得积分10
21秒前
23秒前
乐乐应助小明采纳,获得10
23秒前
ONE完成签到,获得积分10
24秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Becoming: An Introduction to Jung's Concept of Individuation 600
Evolution 3rd edition 500
Die Gottesanbeterin: Mantis religiosa: 656 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3170956
求助须知:如何正确求助?哪些是违规求助? 2821913
关于积分的说明 7937142
捐赠科研通 2482412
什么是DOI,文献DOI怎么找? 1322472
科研通“疑难数据库(出版商)”最低求助积分说明 633639
版权声明 602627