研究人员开发了VIBRA,一种新颖的向后兼容跨模态检索方法。该技术允许新的编码器查询由旧模型编码的图库,从而在升级系统时无需重新编码庞大的数据集。VIBRA利用共识重心来纠正单模型错误,并训练新的编码器继承此共识,确保即使缺席的模型也能影响查询相关性。在五个基准和六个不同的CLIP、MetaCLIP和SigLIP2骨干网络上进行测试,VIBRA在所有评估环境中都优于现有的兼容方法,显著提高了Recall@1,同时增加了最小的延迟。 AI
影响 实现了大规模跨模态检索系统更有效、更具成本效益的升级。
排序理由 该集群描述了一篇详细介绍新颖跨模态检索方法的最新研究论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Hugging Face
- SigLIP2
- VIBRA
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →