arXiv · 机器人与计算机视觉· WonJun Moon, Seongchan Kim, Dahun Kim, Seungryong Kim·· 15 天前精选AI 评分78
面向组合图像检索的分解多模态大模型嵌入方法
Factorized MLLM Embeddings for Composed Image Retrieval
AI 导读
论文针对组合图像检索任务中多模态大模型成分化理解未被充分利用的问题,提出 Factorized MLLM Embeddings 方法。该方法通过中间目标想象目标模拟视觉修改意图,将组合查询理解与判别式嵌入构建解耦,并利用分解表示蒸馏至深层注意力层以传播特征。实验表明该方法在多个 CIR 基准上优于现有工作。
推荐理由
提出 Factorized MLLM Embeddings 方法,通过解耦组合查询理解与判别式嵌入构建,在 CIR 基准上优于现有工作。
来源:arXiv · 机器人与计算机视觉 · arxiv.org