研究人员提出了一种参数高效的CLIP适配框架，用于长期动物重识别，解决了由渐进式形态演化和季节性外观变化带来的挑战。该方法引入了一个连续的元数据条件机制，在训练期间将数值属性直接纳入提示表示中，保留其结构而非将其离散化。

-该框架结合低秩视觉适配、基于提示的监督和多模态对齐，使CLIP适用于生态场景。 -连续元数据条件允许在测试时保持纯视觉推理管道的同时平滑调节嵌入空间。 -在长达七年的纵向鱼类数据集和多个野生动物基准上的实验表明，在封闭集、开放集和时间感知评估协议下性能有所提升。

该方法提高了对长期外观变化和时间分布偏移的鲁棒性，而无需在推理期间使用元数据。