词汇不完整条件下的无监督视觉语言模型适应

基于摘要分析。本文研究视觉语言模型（VLM）在适应阶段仅能获得部分类别名称时的无监督适应问题，提出 Vocabulary-Incomplete Unsupervised Vision-language model Adaptation（VI-UVA）设定，并以 Label Space Reconstruction（LSR）缓解模型对已提供类别的适应偏差。 原问题是利用图像—文本相似度为未标注图像生成伪标签，从而无需人工标注即可进行模型适应。摘要指出，既有方法假设适应词汇包含全部类别名称；实际数据可能包含被遗漏或超出当前任务范围的类别，使这一假设难以满足。不完整词汇会让适应过程偏向已提供类别，损害遗漏类别的识别。 LSR 从未标注数据中重建潜在标签空间，并将其纳入 prompt tuning，使适应不再局限于已知类别名称。作者还报告推导了 LSR 的遗漏类别语义差异界，并分析影响该界的关键因素；潜在标签空间的构建方式、优化目标、理论假设及界的具体形式尚未验证。 作者报告，LSR 在八个基准上的实验优于现有最先进方法，但摘要未提供基准名称、词汇缺失比例、数据划分、对照方法或具体指标，无法判断优势幅度及适用范围。实验协议、消融及统计信息尚未验证。摘要称代码位于补充材料中，其可获取性与复现条件尚未核验。 本文主要研究图像与文本语义之间的模型适应，并非 EEG 或 BCI 方法。其效果依赖 VLM 的图文对齐能力及未标注数据中的类别结构；现有材料不足以建立面向神经信号的具体迁移路径，不应据此推断 BCI 有效性，相关 EEG 工作尚未检索确认。