视觉语言模型 / CVPR2026
跨模态模糊对齐网络用于文本-航拍行人检索及大规模基准
Cross-modal Fuzzy Alignment Network for Text-Aerial Person Retrieval and A Large-scale Benchmark
针对无人机视角下视觉信息退化导致的跨模态对齐难题,提出用模糊隶属度函数动态量化词元级可靠性,并引入地面视角图像作为桥接代理,为跨模态检索中的噪声抑制和模态鸿沟弥合提供了可复用的对齐思路。
跨模态检索模糊逻辑细粒度对齐