From Generalist to Specialist: Adapting Vision Language Models via Task-Specific Visual Instruction Tuning

任务(项目管理) 通才与专种 计算机科学 人工智能 心理学 人机交互 认知心理学 工程类 生态学 系统工程 栖息地 生物
作者
Yang Bai,Yang Zhou,Jun Zhou,Rick Siow Mong Goh,Daniel Shu Wei Ting,Yongxin Liu
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2410.06456
摘要

Large vision language models (VLMs) combine large language models with vision encoders, demonstrating promise across various tasks. However, they often underperform in task-specific applications due to domain gaps between pre-training and fine-tuning. We introduce VITask, a novel framework that enhances task-specific adaptability of VLMs by integrating task-specific models (TSMs). VITask employs three key strategies: exemplar prompting (EP), response distribution alignment (RDA), and contrastive response tuning (CRT) to improve the task-specific performance of VLMs by adjusting their response distributions. EP allows TSM features to guide VLMs, while RDA enables VLMs to adapt without TSMs during inference by learning from exemplar-prompted models. CRT further optimizes the ranking of correct image-response pairs, thereby reducing the risk of generating undesired responses. Experiments on 12 medical diagnosis datasets across 9 imaging modalities show that VITask outperforms both vanilla instruction-tuned VLMs and TSMs, showcasing its ability to integrate complementary features from both models effectively. Additionally, VITask offers practical advantages such as flexible TSM integration and robustness to incomplete instructions, making it a versatile and efficient solution for task-specific VLM tuning. Our code are available at https://github.com/baiyang4/VITask.
最长约 10秒,即可获得该文献文件

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
chenying完成签到 ,获得积分0
3秒前
包容的绝义完成签到,获得积分10
4秒前
路过完成签到 ,获得积分10
7秒前
2024kyt完成签到 ,获得积分10
8秒前
科研狗完成签到 ,获得积分10
8秒前
ghost完成签到 ,获得积分10
9秒前
夜话风陵杜完成签到 ,获得积分0
11秒前
杨永佳666完成签到 ,获得积分10
22秒前
zeran完成签到 ,获得积分10
34秒前
子平完成签到 ,获得积分10
35秒前
EE完成签到 ,获得积分10
35秒前
starry完成签到 ,获得积分10
35秒前
娇气的天亦完成签到,获得积分10
37秒前
苻醉山完成签到 ,获得积分10
40秒前
WeMeH完成签到 ,获得积分20
43秒前
H_HP完成签到 ,获得积分10
51秒前
韩韩完成签到 ,获得积分10
56秒前
我不会乱起名字的完成签到,获得积分10
1分钟前
Kidmuse完成签到,获得积分10
1分钟前
1分钟前
Lucas应助Sanche采纳,获得10
1分钟前
科研小白完成签到 ,获得积分10
1分钟前
整齐的大开完成签到 ,获得积分10
1分钟前
1分钟前
奋斗的妙海完成签到 ,获得积分0
1分钟前
meimale完成签到,获得积分10
1分钟前
AUGKING27完成签到 ,获得积分10
1分钟前
Sanche发布了新的文献求助10
1分钟前
lilylwy完成签到 ,获得积分10
1分钟前
昵称吧完成签到 ,获得积分10
1分钟前
stuffmatter应助纯情的谷云采纳,获得30
1分钟前
温暖完成签到 ,获得积分10
1分钟前
pp完成签到,获得积分10
1分钟前
大模型应助科研通管家采纳,获得10
1分钟前
平常从蓉完成签到,获得积分10
2分钟前
AURORA丶完成签到 ,获得积分10
2分钟前
Citrus完成签到 ,获得积分10
2分钟前
午后狂睡完成签到 ,获得积分10
2分钟前
yii完成签到 ,获得积分10
2分钟前
轩辕剑身完成签到,获得积分0
2分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
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 3142849
求助须知:如何正确求助?哪些是违规求助? 2793732
关于积分的说明 7807164
捐赠科研通 2450021
什么是DOI,文献DOI怎么找? 1303576
科研通“疑难数据库(出版商)”最低求助积分说明 627016
版权声明 601350