新的 Cat2Real 框架通过弥合目录到真实差距来增强产品识别能力

研究人员开发了一种名为 Cat2Real 的新多阶段对比学习框架，以改进可扩展的产品识别。该方法通过将任务重新构建为基于嵌入的跨域检索问题，解决了将真实的店内产品图像与广泛的公司目录进行匹配的挑战。Cat2Real 系统地利用项目级和图像级的相似性来驱动有针对性的硬负例挖掘，从而实现对未见过产品和类别的无缝扩展，并具有出色的零样本泛化性能。 AI

影响 增强了人工智能在零售环境中执行产品识别的能力，可能改进库存管理和电子商务。

排序理由 该集群包含一篇详细介绍新技术方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• Cat2Real
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ScienceCast
• scite Smart Citations

• 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 →