注意力重采样

高效高保真的全模态检索

Efficient and High-Fidelity Omni Modality Retrieval

提出基于注意力的重采样模块将多模态编码器的长词元序列压缩为固定长度表示，并用 Attention Sliced Wasserstein Pooling 保留细粒度信息，可直接用于视觉-语言检索中降低 LLM 输入开销并提升嵌入保真度。