Tag · 7 篇

图像检索

分布医学影像与生物视觉2视觉语言模型2数据集与评测1自监督与表征学习13D 视觉与重建1

URICA: A Uniformity Region Affine Identifier Capture Algorithm for Arbitrary Region Retrieval in Pathology Images

把「任意朝向、任意尺度的区域」当作检索单元，用语义镶嵌（semantic tessellation）把图像块组织成几何感知的区域描述子，并给出其与像素级语义掩码目标之间的理论误差界——这套「区域描述子 + 仿射不变匹配」的思路可直接迁移到遥感、医学等大图上的任意区域检索与跨尺度匹配任务。

Temporal Inversion for Learning Interval Change in Chest X-Rays

把「图像对反转」当作监督信号来训练时序视觉-语言模型，这个思路可直接迁移到任何需要建模方向性变化的视觉任务（如变化检测、视频时序顺序判别、术前术后对比），并提供了一个可复用的顺序敏感性与一致性评测协议。

SearchAD: Large-Scale Rare Image Retrieval Dataset for Autonomous Driving

为视觉研究者提供了一个面向长尾/稀有类别的语义图像检索基准，可用于评测文本-图像与图像-图像检索模型在极稀有类别上的零样本与微调表现，并支撑检索驱动的数据筛选与长尾感知研究。

Reevaluating the Intra-Modal Misalignment Hypothesis in CLIP

该论文对CLIP类模型嵌入空间的分析表明，跨模态对齐损失并未导致图像间距离的次优校准，因此视觉研究者无需为图像任务额外引入模态内对齐损失，可直接复用CLIP/SigLIP特征进行检索和少样本分类。

IsoCLIP: Decomposing CLIP Projectors for Efficient Intra-modal Alignment

对做视觉检索或复用 CLIP 图像编码器的人，这篇给出了一个免训练的后处理：从 projector 权重里用谱分析取出跨模态对齐的各向同性子空间，丢掉模态特有的各向异性方向，就能直接提升 image-to-image 检索并降低延迟，可作为一个即插即用的特征变换。

Global-Aware Edge Prioritization for Pose Graph Initialization

把位姿图初始化从「逐对检索 top-k 邻居」改为「按边对 SfM 的效用全局排序」，用 GNN 预测全局一致的边可靠性，可直接替换 SfM 前端中基于检索的候选边筛选环节，在稀疏、高速和歧义场景下提升重建鲁棒性。

CLAY: Conditional Visual Similarity Modulation in Vision-Language Embedding Space

把预训练 VLM 的嵌入空间当作文本条件的相似度空间，无需训练即可用固定视觉嵌入做多条件组合检索；对做图文检索、个性化搜索或需要按用户意图动态调整相似度度量的视觉研究者，这是一个可直接复用的免训练条件化思路。