研究人员开发了一种名为RePair的新方法，通过利用模型失败来改进视觉-语言检索系统。RePair识别检索任务中的排名靠前的假阳性，并以此为基础生成反事实难例对。通过最小化修正这些假阳性中的局部语义差异，该方法创建了跨越决策边界的难阳性示例，从而实现更高效的训练。该方法在Flickr30K和COCO30K等数据集上表现出优越的性能，与传统的增强方法相比，所需的合成样本更少。 AI
影响 通过从模型失败中创建更高效的训练数据来增强视觉-语言检索系统。
排序理由 该集群包含一篇详细介绍改进AI模型新方法的论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Vision-language retrieval with CLIP-style dual encoders achieves strong cross-modal performance, yet practical accuracy often hinges on localized semantic distinctions where top-ranked near misses differ from the true match by a single critical detail. Hard-sample mining can sele…
arXiv:2608.29604v1 Announce Type: cross Abstract: Vision-language retrieval with CLIP-style dual encoders achieves strong cross-modal performance, yet practical accuracy often hinges on localized semantic distinctions where top-ranked near misses differ from the true match by a s…