摘要

提示学习（Prompt Learning）是将强大的视觉-语言基础模型（如CLIP）适配至下游数据集的一种高效且热门的方法，其通过仅使用少量样本微调可学习的提示向量实现模型适应。然而，尽管提示学习在域内数据上表现优异，其在面对未见类别和未见领域时仍面临显著的泛化挑战。现有部分提示学习方法尝试通过为不同标记（tokens）或不同领域自适应生成差异化的提示来缓解该问题，但往往忽视了所学习提示在未见领域上的泛化能力。为此，本文提出一种新颖的提示学习范式——MetaPrompt，该方法直接生成具有域不变性（domain invariant）的提示，从而实现对未见领域的有效泛化。具体而言，我们设计了一种双模态提示调优网络，能够同时基于图像和文本模态输入生成提示。通过引入一种新颖的非对称对比损失（asymmetric contrastive loss），利用预训练视觉-语言模型原始输出的表示作为监督信号，有效增强所学习提示的泛化能力。更重要的是，我们提出一种基于元学习的提示调优算法，显式约束针对某一特定领域或类别的任务专属提示，同样能在其他领域或类别上取得良好性能。在11个基础到新类别（base-to-new）泛化任务数据集以及4个域泛化（domain generalization）数据集上的大量实验表明，所提方法在各项任务中均显著且一致地优于现有先进方法。