शोधकर्ताओं ने TCLA प्रस्तुत किया, जो एक शुद्ध रूप से ट्रेनिंग-फ्री फ्यू-शॉट एडाप्टेशन विधि है जिसे आउट-ऑफ-डिस्ट्रिब्यूशन डेटा पर मेडिकल विजन-लैंग्वेज मॉडल्स (VLMs) के प्रदर्शन को बेहतर बनाने के लिए डिज़ाइन किया गया है। यह विधि अतिरिक्त ट्रेनेबल घटकों को पेश किए बिना, इंटर-क्लास डिकॉन्फ्यूजन को बढ़ाने और डोमेन शिफ्ट को कम करने के लिए एक छोटे से सपोर्ट नमूनों के सेट का उपयोग करके इन्फरेंस लॉगिट्स को ठीक करती है।
- TCLA मॉडल-अग्नोस्टिक और तेज़ है, जो अतिरिक्त ट्रेनेबल पैरामीटर पर निर्भर मौजूदा फ्यू-शॉट विधियों में पाई गई अस्थिरता की समस्याओं को हल करता है।
- यह रेडियोग्राफी, अल्ट्रासाउंड, MRI, CT और हिस्टोपैथोलॉजी सहित कई मेडिकल इमेजिंग मोडेलिटीज़ को कवर करने वाले नौ डेटासेट्स पर प्रदर्शन में सुधार करता है।
- अधिकांश मामलों में, TCLA मौजूदा ट्रेनिंग-आधारित एडाप्टेशन विधियों से बेहतर प्रदर्शन करता है और अलग-अलग मेडिकल डेटा प्रकारों पर मजबूती बनाए रखता है।
यह दृष्टिकोण उन स्थितियों में जहाँ पारंपरिक फ्यू-शॉट विधियाँ असफल हो सकती हैं, प्री-ट्रेन किए गए VLMs को एडाप्ट करने के लिए एक स्थिर विकल्प प्रदान करता है।