跳到正文
arXiv · 机器人与计算机视觉· Abdulmalik Alquwayfili, Faisal AlMeshal, Jumanah Almajnouni, Huda Abdulhadi Alamri, Muhammad Kamran J Khan·· 2026-10-20AI 评分72

MINER:一种用于稀有物体检索的无训练多裁剪推理增强方法

MINER: Multi-crop INference-time Enhancement for Rare-Object Retrieval with Frozen Dual Encoders

AI 导读

针对冻结双编码器在复杂场景中检索微小或低显著性物体时表现下降的问题,论文提出无需训练的推理框架 MINER。该方法通过引入少量区域级嵌入库和修正相似度的重评分机制,弥补全局图像嵌入对局部视觉证据的不足。研究构建了基于 Flickr30K 和 MS COCO 高杂乱子集的基准 ROCS,并在 CLIP、SigLIP 等模型上验证了其在标准分割及新基准上的提升效果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org