研究人员开发了一种新的时尚图像检索框架，该框架利用多模态大语言模型（LLMs）和两阶段微调策略。该方法集成了LLaVA等模型来生成属性感知的三元组，并使用CLIP-ViT/B32等预训练的视觉-语言模型进行增强的对比学习。该方法旨在通过解决现有方法的局限性，如标注数据稀缺和简单的负采样，来改进组合推理和细粒度检索。 AI
影响 这项研究可能为时尚行业带来更复杂的图像搜索和推荐系统。
排序理由 该集群包含一篇详细介绍新技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
