推理密集型检索

RMIR：一个面向推理密集型多模态图像检索的基准数据集

RMIR: A Benchmark Dataset for Reasoning-Intensive Multimodal Image Retrieval

为视觉研究者提供了一个需要复杂推理（功能、时序、因果）的多模态图像检索基准，并揭示了生成式嵌入模型在推理感知训练下的优势，可启发设计更强的推理型视觉-语言检索模型。