仅语言实现高效训练的零样本组合图像检索
原文中文，约400字，阅读约需1分钟。
📝
内容提要
LinCIR是一种新型的CIR框架，只使用语言进行训练。它通过自掩蔽投影方法将文本的潜在嵌入投影到标记嵌入空间，并构建一个具有相同潜在嵌入向量的新文本。LinCIR在48分钟内训练，展现出最佳的零-shot CIR性能。
🏷️
