Compositional Image Retrieval
PulseAugur coverage of Compositional Image Retrieval — every cluster mentioning Compositional Image Retrieval across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
无视觉CIR框架利用LLM和属性评分改进图像检索
研究人员开发了一种新颖的无视觉组合图像检索（CIR）框架，这是一项复杂的跨模态任务。该方法利用属性增强混合评分来补偿文本表示中丢失的视觉细节，并采用基于LLM的重排来确保检索候选语义的一致性。在CIRR数据集上的实验证明了性能的显著提升，R@1达到44.04%，比现有的零样本CIR方法提高了8.79%。在FashionIQ上的进一步分析突出了语义推理和细粒度视觉匹配之间的平衡，消融研究证实了两种提出技术的一致益处。
-
DiCE-CIR 引入直接组合学习以实现高效零样本图像检索
研究人员推出了一种新颖的直接组合学习方法 DiCE-CIR，用于高效的零样本组合图像检索。该方法通过直接将参考图像与编辑文本组合，绕过了先前方法中复杂的投影和重新编码步骤。DiCE-CIR 利用大型语言模型从图像-标题对自动生成训练样本，从而无需手动标注即可实现可扩展的训练。该方法在 CIRCO 基准测试中展示了最先进的性能，并在 CIRR 上取得了有竞争力的结果，同时保持了高计算效率。
-
RankVR框架通过过滤噪声数据增强图像检索能力
研究人员推出RankVR，一个旨在改进组合图像检索（CIR）模型的新框架。RankVR通过采用全局结构一致性感知模块，根据相关矩阵秩识别和移除噪声样本，从而解决大型数据集中存在的噪声三元组对应等挑战。此外，自适应语义值校准模块有助于区分有价值的难样本，以进行更有效的训练。在基准数据集上的实验表明，RankVR在噪声环境中显著优于现有方法。
-
新的CIRCLED数据集增强了多轮图像检索研究
研究人员推出了一款名为CIRCLED的新型多轮图像检索数据集，旨在克服现有数据集在对话一致性和领域限制（如时尚领域）方面的不足。CIRCLED包含22,608个多轮对话会话，分布在九个子集中，查询会逐步细化以指向目标图像。该数据集旨在为推进多轮图像检索研究提供高质量的基准。
-
新框架通过澄清性问题解决图像检索中的歧义
研究人员推出了一种新的组合图像检索（CIR）框架，以解决查询中固有的歧义。与假设单个目标图像的先前系统不同，该方法将 CIR 重构为不确定性下的校准意图解析。它使用一致性预测来提供具有覆盖保证的候选集，并在歧义较高时，提出信息量最大的澄清性问题以缩小选项范围。
-
新框架使用多智能体系统进行高级图像检索
研究人员引入了一个名为 PDF 的新颖框架，用于零样本组合图像检索。该分层多智能体系统旨在通过结合经验自我演化和测试时尺度定律 (TTS) 来克服现有方法的局限性。该框架动态路由感知信号，并采用无训练的推理策略蒸馏，结合锦标赛风格的 TTS 策略进行细粒度推理，在基准数据集上取得了最先进的结果。