KBMR：面向知识型视觉问答的实体对齐检索模型，Recall@1 提升 14.7%
Beyond Visual Similarity: Entity-Aligned Retrieval for Knowledge-Based Visual Question Answering
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 KBMR，首个专为知识型视觉问答（KB-VQA）设计的基于 MLLM 的嵌入检索器，将图像映射到更能保留概念身份的语义空间。针对 Wikipedia 规模检索中的噪声监督，KBMR 引入基于 MLLM 的语义判别器生成连续实体一致性权重，并据此设计连续语义蒸馏目标。
来源：Hugging Face Daily Papers · arxiv.org