无视觉CIR框架利用LLM和属性评分改进图像检索

研究人员开发了一种新颖的无视觉组合图像检索（CIR）框架，这是一项复杂的跨模态任务。该方法利用属性增强混合评分来补偿文本表示中丢失的视觉细节，并采用基于LLM的重排来确保检索候选语义的一致性。在CIRR数据集上的实验证明了性能的显著提升，R@1达到44.04%，比现有的零样本CIR方法提高了8.79%。在FashionIQ上的进一步分析突出了语义推理和细粒度视觉匹配之间的平衡，消融研究证实了两种提出技术的一致益处。 AI

影响 这项研究推动了复杂图像检索任务的无视觉方法，可能提高了跨模态AI的能力。

排序理由 该集群描述了一篇详细介绍新图像检索方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• Attribute-Augmented Hybrid Scoring
• Circinus
• Compositional Image Retrieval
• FashionIQ
• Hugging Face
• LLM-Based Reranking
• Vision-Free CIR

• 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 →