跨模态注意力池化

无需硬负样本：以概念为中心的学习在不损害对比模型零样本能力的前提下实现组合性

No Hard Negatives Required: Concept Centric Learning Leads to Compositionality without Degrading Zero-shot Capabilities of Contrastive Models

用无参数的跨模态注意力池化替代文本/图像编码器的全局池化，从图像中抽取概念级视觉嵌入，并与短概念化文本片段对齐；这套改动可直接插到 CLIP 类双塔模型上，在不增加推理成本的前提下提升组合性理解，同时不牺牲零样本与检索性能。