多光谱行人重识别

思维链引导的多模态目标重识别

Chain-of-Thought Guided Multi-Modal Object Re-Identification

把 MLLM 的思维链文本推理作为锚框条件，在早期特征、跨模态一致性和决策三个层级约束视觉特征学习，为视觉-语言检索类任务提供了一种可复用的「文本逻辑引导视觉表征」范式。