arXiv · 机器人与计算机视觉· Khang Nhat Hoang Vo, Belal Shoer, Abhirama Subramanyam Penamakuri·· 23 天前AI 评分38
Whispers from the Neighbors:利用邻域描述重构视觉语言检索推理证据
Whispers from the Neighbors: Rethinking Caption Consensus as Inference-Time Evidence for Vision-Language Retrieval
AI 导读
该方法在冻结编码器推理时融合图像相似度与自身多描述相似度,使同标注源下文本到图像 R@1 提升 3.4 至 16.8 个点。离货架描述器或异源标注增益显著下降, paraphrase-trained 文本编码器可进一步强化文本侧表现。代码已开源,适用于计算机视觉与计算语言领域。
来源:arXiv · 机器人与计算机视觉 · arxiv.org