ILIAS 100M

新研究发现物体到图像比率不匹配是视觉检索失败的关键

一篇新研究论文指出，物体到图像（O2I）比率不匹配是视觉实例检索失败的主要原因，而非分辨率损失。该研究在3,021个Objaverse对象的基准上进行，发现对于大多数预训练骨干网络，超过80%的检索准确率下降是由于O2I比率不匹配造成的。研究提出了解决方案，如查询端尺度增强和OWLv2裁剪重排序器，在ILIAS 100M数据集上取得了最先进的成果，证明了O2I鲁棒性是可以学习的。