arXiv · 机器人与计算机视觉· Minghong Wei, Enguang Zhu, Pu Cao, Lu Yang, Qing Song·· 2026-10-16精选AI 评分78
Flow-CLIP:基于图像条件化残差评分的组合式图文匹配方法
Flow-CLIP: Image-Conditioned Residual Scoring for CompositionalImage-Text Matching
AI 导读
针对句子级图文对齐在组合式匹配中不足的局限,论文提出 Flow-CLIP 模型。该方法通过图像条件化的 token-patch 证据变化细化全局图文对齐,引入全局兼容性校准(GCC)学习句子级相似度指标,利用图像条件化证据细化(ICER)将视觉 patch 上下文融入 token 查询以调整局部匹配证据,并采用跨图像边距排序(CIMR)增强正确描述与错误描述的区分度。
推荐理由
提出 Flow-CLIP,通过图像条件化残差评分优化组合式图文匹配与属性绑定。
来源:arXiv · 机器人与计算机视觉 · arxiv.org