这张图聚焦“植物病害/视觉语言模型训练研究”，探讨“少量病叶标注可以在哪个训练环节发挥作用”。图中通过表格对比了三项视觉语言研究如何改变样本间的距离约束、预训练的匹配目标及下游分类器构造。ITLMLP针对黄瓜病害识别，利用黄瓜图像、配对文本、病名标签及图像不同视图作为信号，采用联合图文对比与图像自监督对比，并用类别信息约束共同空间中的样本距离。SCOLD作为病叶视觉语言基础模型，提供超过18.6万对叶片图像与描述（对应97个概念），将上下文信息写入软匹配目标，用平滑后的标签训练图文表征。VLCD-T面向多作物少样本分类，使用少量带标签图像与图像驱动的提示，借助Qwen-VL生成文本信息，在CLIP分类框架中调整提示特征，并用SE注意力突出对分类有用的维度。