CSMCIR

深度分析

CSMCIR：以 MCoT 與對稱 Q-Former 結合熵感知記憶庫提升複合影像檢索對齊

複合影像檢索（CIR）讓使用者以參考圖像加上文字修改描述來找目標圖，但跨模態與不對稱編碼導致表徵空間碎片化，限制檢索效能。CSMCIR提出三大協同設計：多層次Chain-of-Thought提示（MCoT）以產生判別性目標描述、共享參數的對稱雙塔Q-Former編碼器以建立模態對稱，以及基於熵與時間權重的記憶庫策略以維持高品質負樣本池。