शोधकर्ताओं ने दीर्घकालिक जानवरों की पुनः पहचान के लिए पैरामीटर-कुशल CLIP अनुकूलन ढांचा प्रस्तुत किया है जो क्रमिक आकारिक विकास और मौसमी उपस्थिति परिवर्तनों द्वारा उत्पन्न चुनौतियों को संबोधित करता है। विधि एक निरंतर मेटाडेटा-शर्त तंत्र पेश करती है जो प्रशिक्षण के दौरान संख्यात्मक गुणों को सीधे प्रॉम्प्ट प्रतिनिधित्व में शामिल करती है, उन्हें अलग करने के बजाय उनकी संरचना को बनाए रखते हुए।
- ढांचा निम्न-रैंक दृश्य अनुकूलन, प्रॉम्प्ट-आधारित पर्यवेक्षण और क्रॉस-मोडल एलाइनमेंट को जोड़ता है ताकि CLIP को पारिस्थितिक सेटिंग्स के लिए अनुकूलित किया जा सके।
- निरंतर मेटाडेटा शर्त एम्बेडिंग स्पेस का सुचारू मॉड्यूलेशन सक्षम बनाती है जबकि परीक्षण समय पर शुद्ध दृश्य इनफरेंस पाइपलाइन को बनाए रखती है।
- सात वर्षों के लंबित मछली डेटासेट और कई वन्यजीव बेचमार्क्स पर प्रयोग बंद सेट, खुले सेट और समय-जागरूक मूल्यांकन प्रोटोकॉल के तहत सुधारित प्रदर्शन दिखाते हैं।
दृष्टिकोण लंबित उपस्थिति परिवर्तन और कालिक वितरण शिफ्ट के लिए मजबूती में सुधार करता है बिना इनफरेंस के दौरान मेटाडेटा की आवश्यकता के।