新的组合对象检索任务支持对象级图像搜索

研究人员推出了一种新颖的任务——组合对象检索（COR），旨在通过组合表达式实现图像内的对象级检索。与匹配整个图像的现有组合图像检索（CIR）方法不同，COR专注于定位特定对象并使用像素级掩码对其进行接地。这项新任务要求模型进行复杂的视觉-文本推理，以识别对参考对象的期望修改，即使面对视觉上相似的干扰项。为了支持这项任务，创建了一个名为COR125K的新基准，其中包含跨多个类别的超过125,000个检索三元组。提出的CORE模型在当前的CIR管道和基线方面取得了显著改进，为细粒度的对象级多模态检索奠定了新基础。 AI

影响 这项研究可能带来更精确、更细致的图像搜索能力，改进需要细粒度视觉内容理解的应用。

排序理由 该集群描述了一篇介绍对象级图像检索新任务和基准的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Composed Image Retrieval
• Composed Object Retrieval
• COR125K
• DagsHub
• Hugging Face
• Tong Wang

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →