.png){kind=icon}
返回
Multi-level vision language interaction learning for cross-modal retrieval
.png){kind=icon}
PRE
AI
DOI：10.1016/j.inffus.2025.103481.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出多级视觉语言交互。
• 引入无参数帧感知令牌级交互机制。
• 设计缺陷掩码修复算法以纠正错误的负样本对。
Keyword:
Multi-Level Vision Language Interaction
Frame-aware Token-wise Interaction
Mask Fixing Algorithm
