实体
Cross-modal retrieval
Cross-modal retrieval
PulseAugur coverage of Cross-modal retrieval — every cluster mentioning Cross-modal retrieval across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架SPIRN解决了跨模态检索中的不完整数据和带噪声标签问题
研究人员开发了一个名为SPIRN的新框架,以解决跨模态检索(CMR)中的挑战,特别是在处理不同模态间的不完整数据和带噪声标签时。SPIRN利用固定的语义先验作为学习表示、处理带噪声注释和补全缺失模态的稳定参考。该框架包括建立语义空间、区分干净和带噪声样本的质量感知学习、校正注释的全局标签校准以及恢复缺失数据的选择性插补等组件。该方法被认为是首个在CMR中联合解决模态不完整性和标签噪声问题的方法,在基准数据集上的性能优于现有方法。
-
新基准 LaVPR 集成语言以改进视觉地点识别
研究人员推出了 LaVPR,一个旨在通过整合自然语言描述来改进视觉地点识别的新基准。该基准旨在增强定位能力,尤其是在具有挑战性的环境条件下或仅有口头描述可用时。研究表明,整合语言描述可带来持续的性能提升,特别是对于较小的 AI 模型,并支持能够超越传统对比方法的跨模态检索系统。
-
新方法以有限数据增强无监督跨模态检索 · 跟踪4个来源
研究人员正在开发新的无监督跨模态检索方法,旨在提高效率并减少对大型手动标注数据集的依赖。论文提出了属性提示核哈希(APKH)和全局邻域对齐哈希(GNAH)等技术,这些技术利用视觉语言基础模型和有限的配对数据来构建紧凑、对齐的汉明空间。另一种方法UniCA引入了双向交叉注意力和正相似性损失,以实现更鲁棒的多模态检索,并在WebQA+等基准测试中取得了改进。