来源：期刊VIP网 时间：
作者：张秦瑜;刘鑫达;鲁倬铭;周明全;
单位：西北大学文化遗产数字化国家地方联合工程研究中心;西北大学信息科学与技术学院;加州戴维斯大学文理学院;北京师范大学教育部虚拟现实应用工程研究中心;
摘要：针对中国非物质文化遗产美术作品分类中处理效率低、数据复杂等问题，提出了一种基于预训练视觉语言大模型的上下文提示微调策略，以提升小样本情况下的分类性能并应对当前任务的挑战。该方法通过引入可学习的上下文优化提示(软提示),使模型能够在少量样本条件下快速适应下游分类任务，从而有效缩短训练时间并提升收敛速度。具体而言，利用注意力机制，将由软提示生成的文本特征与预训练视觉语言模型的原始特征相结合，并通过对比损失优化嵌入表示。这一机制减少了不同特征之间的嵌入差异，避免了模型对已知类别的过度拟合，提升了在未见类别上的泛化能力。此外，保留原始特征信息帮助模型避免训练过程中遗忘基础知识，确保即便在小样本条件下，模型仍能保持较高的分类准确率。实验结果表明，所提出方法在非遗美术图像分类任务中的准确率提升了1.79%,泛化识别能力提升了10.4%,同时具备较低的计算成本。
关键词：非物质文化遗产;;图像分类;;上下文优化;;注意力机制
基金资助：虚拟现实技术与系统全国重点实验室(北京航空航天大学)开放课题基金(VRLAB2024C02);; 文化和旅游部重点实验室项目(1222000812、cr2021K01);; 西安市科技计划社会发展科技创新示范项目(2024JH-CXSF-0014);; 国家自然科学基金(62271393)
