arXiv · 机器人与计算机视觉· Nikos Giakoumoglou, Paschalis Giakoumoglou, Andreas Floros, Kleanthis Marios Papadopoulos, Tania Stathaki·· 2026-10-08AI 评分35
SNAP 方法解决视觉语言预训练中合成困难负样本的失效模式
What Makes Synthetic Hard Negatives Work in Vision-Language Pretraining?
AI 导读
SNAP 提出一种生成模内困难负样本的方法,彻底规避了跨模态构造过易或包含正样本、以及模内构造引入匹配正样本这两类失效模式。该方法无需外部生成模型且训练开销低于 10%,在 CLIP 和 FLIP 架构上显著提升了零样本检索与分类性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org