视觉语言模型 / CVPR2026
配额校准的细粒度对齐与上下文感知边缘分布用于文本行人检索
Quota-Calibrated Fine-Grained Alignment with Context-Aware Marginals for Text-based Person Retrieval
QC-Align 提出一种无需参数、即插即用的训练正则化器,通过上下文感知的边缘分布估计和配额校准的最优传输目标,显式约束文本词与视觉区域之间的多对多匹配质量,可被复用于任何需要细粒度跨模态对齐的视觉-语言任务(如跨模态检索、图文匹配),尤其在少样本和跨域场景下提升基线性能与可解释性。
跨模态对齐最优传输细粒度匹配