Vision-Free CIR

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。