Para peneliti menyajikan kerangka adaptasi CLIP yang efisien parameter untuk re-identifikasi hewan jangka panjang yang mengatasi tantangan yang ditimbulkan oleh evolusi morfologis bertahap dan pergeseran penampilan musiman. Metode ini memperkenalkan mekanisme kondisioning metadata kontinu yang menggabungkan atribut numerik langsung ke dalam representasi prompt selama pelatihan, mempertahankan strukturnya daripada mendiskritisasikannya.
- Kerangka kerja ini menggabungkan adaptasi visual rank-rendah, supervisi berbasis prompt, dan penyesuaian lintas-modal untuk mengadaptasi CLIP untuk pengaturan ekologis.
- Kondisioning metadata kontinu memungkinkan modulasi ruang embedding yang halus sambil mempertahankan pipeline inferensi murni visual pada saat pengujian.
- Eksperimen pada dataset ikan longitudinal tujuh tahun dan berbagai benchmark satwa liar menunjukkan peningkatan kinerja di bawah protokol evaluasi set tertutup, set terbuka, dan aware-waktu.
Pendekatan ini meningkatkan ketahanan terhadap variasi penampilan longitudinal dan pergeseran distribusi temporal tanpa memerlukan metadata selama inferensi.