GLAM institutions

受控词汇表影响历史照片集中CLIP检索

研究人员调查了诸如艺术与建筑词汇表（AAT）之类的受控词汇表的结构如何影响视觉语言模型（如CLIP）在历史照片集中检索图像时的性能。研究发现，诸如根面类型和层级深度之类的属性显著影响CLIP的成功和失败模式，视觉连贯性和文本-图像对齐是关键的区分因素。虽然标准的检索指标与这些结构属性没有强相关性，但对模型进行微调显示出改进，特别是对于层级中较浅的术语。