本研究提出了一种结合手绘素描和文本描述的复合查询接口，以解决非母语者在命名特定物体时的困难。通过使用CSTBIR数据集和STNET模型，显著提升了图像检索效果，帮助用户更有效地查找难以识别的物体及其复杂交互。