Tag · 2 篇
难负样本
分布 数据集与评测1视觉语言模型1
01 02
PinPoint：面向显式负样本、多图查询与改写测试的组合图像检索评测
PinPoint: Evaluation of Composed Image Retrieval with Explicit Negatives, Multi-Image Queries, and Paraphrase Testing
为组合图像检索提供了带显式难负样本、多正确答案、指令改写与多图查询的评测基准，并给出一个可直接套用到任意现有检索系统上的免训练 MLLM 重排序方案，可用于诊断和缓解假阳性与指令敏感性问题。
引力驱动的语义对齐用于文本视频检索
Gravitation-Driven Semantic Alignment for Text Video Retrieval
把跨模态语义分布的对齐拆成「语义引力」（由不确定性导出的语义质量与语义距离）和「几何重叠」两个正交因子，并给出 O(D) 的闭式替代来避免难解的联合积分——做视频-文本检索或任何需要处理多对多语义歧义、区分难负样本的跨模态对齐任务时，这套概率分布匹配打分可以直接替换确定性嵌入的余弦相似度。