KODA: Contrastive Representation Comparison and Alignment for Vision-Language Foundation Models

En 3 lignesKODA est un framework kernel-based pour comparer et aligner les représentations de modèles vision-langage (CLIP, SigLIP). La méthode identifie des sous-ensembles d'échantillons faiblement groupés dans une représentation mais fortement groupés dans une autre, via optimisation contrainte et approximations low-rank. Code disponible.

Résumé généré par Claude — vérifié par l'humain