研究人员开发了一种新颖的文本式人员异常搜索框架，解决了在真实世界监控图像上迁移在合成数据上训练的模型的挑战。该系统采用多模型检索和重排方法，通过双向对比学习和域随机化等技术调整Qwen3-VL-Embedding-8B模型。它融合了多个Qwen3-VL检查点和一个SigLIP2模型的得分，然后使用Qwen3-VL-Reranker-8B交叉编码器进行最终评估。该方法取得了优异的成绩，在AI City Challenge 2026 Track 4上实现了94.7815%的mAP和90.8493%的R@1，在公开排行榜上名列第八。 AI
影响 这项研究推动了视觉-语言模型在合成到真实迁移方面的进展，有望改进监控和安全应用。
排序理由 这是一篇详细介绍用于特定计算机视觉任务的新型AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- AI City Challenge 2026 Track 4
- arXiv
- Hugging Face
- Qwen3-VL-Embedding-8B
- Qwen3-VL-Reranker-8B
- SigLIP2
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
