研究人员推出了 ZeroSight，一个旨在更准确地评估零样本组合图像检索 (ZS-CIR) 的新基准。现有的基准通常使用模型已经训练过的数据，导致性能指标虚高。ZeroSight 利用视频源数据集和 LLM 辅助字幕生成来创建一致的参考-目标对，确保真正的零样本场景。研究人员还提出了 SC4CIR，一种识别困难的负面目标并提高检索性能的方法。 AI
影响 为零样本图像检索建立了更严格的评估标准，可能指导未来的模型开发。
排序理由 该集群包含一篇研究论文，介绍了一种用于评估特定 AI 任务的新基准和方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.07032v1 Announce Type: cross Abstract: Zero-Shot Composed Image Retrieval (ZS-CIR) aims to retrieve a target image based on a query composed of a reference image and a relative caption without training samples. Existing ZS-CIR datasets often suffer from complete irrele…
Zero-Shot Composed Image Retrieval (ZS-CIR) aims to retrieve a target image based on a query composed of a reference image and a relative caption without training samples. Existing ZS-CIR datasets often suffer from complete irrelevance between reference and target images due to n…