arXiv · 机器人与计算机视觉· Shubing Yang, Xutong Liu, Dongfang Zhao·· 13 小时前AI 评分45
VIBRA:一种向后兼容的跨模态检索方法,通过共识质心提升旧图库查询准确率
VIBRA: Backward-Compatible Cross-Modal Retrieval with Consensus Barycenters
AI 导读
VIBRA 提出了一种新的编码器训练策略,能在不重新编码数十亿物品的前提下,利用多个视图的共识质心修正单模型误差。该方法在 CLIP、MetaCLIP 和 SigLIP2 等六个骨干网络的五十种升级设置中均表现最佳,Recall@1 较最强基线最高提升 5.6 个百分点,仅增加不到 1ms 延迟。
来源:arXiv · 机器人与计算机视觉 · arxiv.org