VMIR

新框架 VMIR-CVI 推进零样本组合图像检索

研究人员推出 VMIR-CVI，一个旨在增强零样本组合图像检索的新颖框架。该方法通过将复杂查询转换为与视觉语言模型 (VLP) 空间对齐的统一文本描述来优化多模态意图表示。此外，它使用解耦的视觉实例线索来重建查询表示，以最小化噪声并保留目标相关信息。在 CIRR、CIRCO 和 FashionIQ 基准上的实验表明，VMIR-CVI 超越了现有方法，并建立了新的最先进性能。