研究用图像标题作检索推理时证据

Khang Nhat Hoang Vo 等作者提交论文，提出在推理时把图像相似度与图像自身标题的相似度融合，作为视觉-语言检索的额外证据，且不重新训练编码器。作者称，当标题与查询来自同一标注者时，该方法在九个冻结编码器上使文本到图像 R@1 提升 3.4 至 16.8 点。 提升幅度取决于标题来源：若标题由现成标题生成器撰写，提升降至 1.9 至 7.2 点；若来自不同标注来源，提升至多 1 点。代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。