跳到正文
arXiv · 机器人与计算机视觉· Bora Kargi, Arnas Uselis, Seong Joon Oh·· 24 天前精选AI 评分82

CS-CLIP:通过组件监督增强图像文本相似度检索的准确性

Half-Truths Break Similarity-Based Retrieval

AI 导读

该研究指出 CLIP 风格的双编码器在面对包含错误细节(半真)的描述时,相似度分数反而可能上升。作者提出 CS-CLIP 方法,将描述分解为实体和关系单元进行最小化编辑对抗训练,使模型能正确识别并惩罚错误信息。实验显示该方法将半真准确率提升至 76.4%,并在组合基准测试上平均提升 5.8 分。论文已接受于 NeurIPS 2026,代码、检查点和数据集已公开。

推荐理由

提出 CS-CLIP 方法解决 CLIP 对半真信息敏感度不足的问题,提升组合理解能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org