行人检索

通过对话式属性挖掘解决行人检索中的对齐歧义

Tackling Alignment Ambiguity in Person Retrieval through Conversational Attribute Mining

用 MLLM 生成对话式属性描述来补充文本侧细粒度线索，并用双向交叉注意力混合器做 token 级对齐，这一「对话属性挖掘 + token 对齐」思路可迁移到任何细粒度图文检索或跨模态 grounding 任务。