研究人员推出CoCo-IR，一项新的上下文组合图像检索任务和模型，它允许对视觉搜索进行迭代优化。提出的大型多模态模型（LMM）解释交互历史以生成不断演变的变换图像嵌入（TIE）。为了促进训练，一个自主数据引擎利用LMM进行数据生成和模型引导的硬负例验证。CoCo-IR在CIRCO基准上实现了39.4 mAP@5，在其新的4轮对话基准上实现了44.1 R@1，显著优于现有方法，展示了最先进的性能。 AI
影响 实现了更复杂、多轮的视觉搜索能力，可能改善基于图像的应用程序中的用户体验。
排序理由 该集群描述了一篇介绍图像检索新任务和模型的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Current instruction-based image retrieval systems are powerful but limited to single-turn interactions, failing to capture the iterative nature of complex, real-world visual searches. To overcome this limitation, we introduce Contextual Composed Image Retrieval (CoCo-IR), a novel…
arXiv:2608.05149v1 Announce Type: new Abstract: Current instruction-based image retrieval systems are powerful but limited to single-turn interactions, failing to capture the iterative nature of complex, real-world visual searches. To overcome this limitation, we introduce Contex…