研究人员推出了一种新颖的组合图像检索(CIR)方法——因子化多模态大语言模型嵌入(FactEmbed)。该方法旨在通过解耦查询理解与嵌入生成,来改进多模态大语言模型(MLLMs)理解和利用组合查询的方式。FactEmbed使用因子化潜在表示来模拟视觉修改,并在生成用于检索的判别性表示之前,将其与目标语义相结合。 AI
影响 这项研究可以增强多模态人工智能系统在理解和生成复杂视觉查询方面的能力。
排序理由 该集群包含一篇详细介绍图像检索新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Composed Image Retrieval
- FactEmbed
- Factorized MLLM Embeddings
- Hugging Face
- Multimodal Large Language Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →