研究人员开发了一种新的视觉-语言检索方法,该方法利用单张图像的多个字幕之间的共识。通过将邻近字幕视为推理时证据,系统可以提高检索准确性。这种方法通过将图像不仅与其文本查询进行比较,还与其自身的关联字幕进行比较来增强相似度得分,从而在各种冻结编码器上显著提高检索性能。 AI
影响 这项研究可以通过更好地利用来自多个图像描述的上下文信息,从而实现更准确的图像检索系统。
排序理由 该集群包含一篇详细介绍视觉-语言检索新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Khang Vo Hoang Nhat
- ScienceCast
- Whispers from the Neighbors: Rethinking Caption Consensus as Inference-Time Evidence for Vision-Language Retrieval
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →