Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Chen, Yiyang, Zheng, Zhedong, Ji, Wei, Qu, Leigang, Chua, Tat-Seng |
|---|---|
| Format: | Preprint |
| Publié: |
2022
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ReCALL: Recalibrating Capability Degradation for MLLM-based Composed Image Retrieval
par: Yang, Tianyu, et autres
Publié: (2026)
par: Yang, Tianyu, et autres
Publié: (2026)
Compose Your Aesthetics: Empowering Text-to-Image Models with the Principles of Art
par: Jin, Zhe, et autres
Publié: (2025)
par: Jin, Zhe, et autres
Publié: (2025)
3D Magic Mirror: Clothing Reconstruction from a Single Image via a Causal Perspective
par: Zheng, Zhedong, et autres
Publié: (2022)
par: Zheng, Zhedong, et autres
Publié: (2022)
Instilling Multi-round Thinking to Text-guided Image Generation
par: Zeng, Lidong, et autres
Publié: (2024)
par: Zeng, Lidong, et autres
Publié: (2024)
Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching
par: Chu, Meng, et autres
Publié: (2023)
par: Chu, Meng, et autres
Publié: (2023)
Revolutionizing Text-to-Image Retrieval as Autoregressive Token-to-Voken Generation
par: Li, Yongqi, et autres
Publié: (2024)
par: Li, Yongqi, et autres
Publié: (2024)
Discriminative Probing and Tuning for Text-to-Image Generation
par: Qu, Leigang, et autres
Publié: (2024)
par: Qu, Leigang, et autres
Publié: (2024)
TIGeR: Unifying Text-to-Image Generation and Retrieval with Large Multimodal Models
par: Qu, Leigang, et autres
Publié: (2024)
par: Qu, Leigang, et autres
Publié: (2024)
Generative Cross-Modal Retrieval: Memorizing Images in Multimodal Language Models for Retrieval and Beyond
par: Li, Yongqi, et autres
Publié: (2024)
par: Li, Yongqi, et autres
Publié: (2024)
Collaborative Group: Composed Image Retrieval via Consensus Learning from Noisy Annotations
par: Zhang, Xu, et autres
Publié: (2023)
par: Zhang, Xu, et autres
Publié: (2023)
Scale Up Composed Image Retrieval Learning via Modification Text Generation
par: Zhou, Yinan, et autres
Publié: (2025)
par: Zhou, Yinan, et autres
Publié: (2025)
Turing Patterns for Multimedia: Reaction-Diffusion Multi-Modal Fusion for Language-Guided Video Moment Retrieval
par: Fang, Xiang, et autres
Publié: (2026)
par: Fang, Xiang, et autres
Publié: (2026)
SILMM: Self-Improving Large Multimodal Models for Compositional Text-to-Image Generation
par: Qu, Leigang, et autres
Publié: (2024)
par: Qu, Leigang, et autres
Publié: (2024)
Multiple-environment Self-adaptive Network for Aerial-view Geo-localization
par: Wang, Tingyu, et autres
Publié: (2022)
par: Wang, Tingyu, et autres
Publié: (2022)
TTOM: Test-Time Optimization and Memorization for Compositional Video Generation
par: Qu, Leigang, et autres
Publié: (2025)
par: Qu, Leigang, et autres
Publié: (2025)
WISER: Wider Search, Deeper Thinking, and Adaptive Fusion for Training-Free Zero-Shot Composed Image Retrieval
par: Wang, Tianyue, et autres
Publié: (2026)
par: Wang, Tianyue, et autres
Publié: (2026)
AUHead: Realistic Emotional Talking Head Generation via Action Units Control
par: Lyu, Jiayi, et autres
Publié: (2026)
par: Lyu, Jiayi, et autres
Publié: (2026)
Generative Ghost: Investigating Ranking Bias Hidden in AI-Generated Videos
par: Gao, Haowen, et autres
Publié: (2025)
par: Gao, Haowen, et autres
Publié: (2025)
RIGI: Rectifying Image-to-3D Generation Inconsistency via Uncertainty-aware Learning
par: Wang, Jiacheng, et autres
Publié: (2024)
par: Wang, Jiacheng, et autres
Publié: (2024)
Dysen-VDM: Empowering Dynamics-aware Text-to-Video Diffusion with LLMs
par: Fei, Hao, et autres
Publié: (2023)
par: Fei, Hao, et autres
Publié: (2023)
Harnessing Weak Pair Uncertainty for Text-based Person Search
par: Sun, Jintao, et autres
Publié: (2026)
par: Sun, Jintao, et autres
Publié: (2026)
TEMA: Anchor the Image, Follow the Text for Multi-Modification Composed Image Retrieval
par: Li, Zixu, et autres
Publié: (2026)
par: Li, Zixu, et autres
Publié: (2026)
VL-Uncertainty: Detecting Hallucination in Large Vision-Language Model via Uncertainty Estimation
par: Zhang, Ruiyang, et autres
Publié: (2024)
par: Zhang, Ruiyang, et autres
Publié: (2024)
Multi-modal Reference Learning for Fine-grained Text-to-Image Retrieval
par: Ma, Zehong, et autres
Publié: (2025)
par: Ma, Zehong, et autres
Publié: (2025)
AnomalyLMM: Bridging Generative Knowledge and Discriminative Retrieval for Text-Based Person Anomaly Search
par: Ju, Hao, et autres
Publié: (2025)
par: Ju, Hao, et autres
Publié: (2025)
Zero-shot Composed Text-Image Retrieval
par: Liu, Yikun, et autres
Publié: (2023)
par: Liu, Yikun, et autres
Publié: (2023)
EQ-TAA: Equivariant Traffic Accident Anticipation via Diffusion-Based Accident Video Synthesis
par: Fang, Jianwu, et autres
Publié: (2025)
par: Fang, Jianwu, et autres
Publié: (2025)
Understanding Long Videos via LLM-Powered Entity Relation Graphs
par: Chu, Meng, et autres
Publié: (2025)
par: Chu, Meng, et autres
Publié: (2025)
FashionComposer: Compositional Fashion Image Generation
par: Ji, Sihui, et autres
Publié: (2024)
par: Ji, Sihui, et autres
Publié: (2024)
CAMeL: Cross-modality Adaptive Meta-Learning for Text-based Person Retrieval
par: Yu, Hang, et autres
Publié: (2025)
par: Yu, Hang, et autres
Publié: (2025)
Zero-1-to-A: Zero-Shot One Image to Animatable Head Avatars Using Video Diffusion
par: Zhou, Zhenglin, et autres
Publié: (2025)
par: Zhou, Zhenglin, et autres
Publié: (2025)
NCL-CIR: Noise-aware Contrastive Learning for Composed Image Retrieval
par: Gao, Peng, et autres
Publié: (2025)
par: Gao, Peng, et autres
Publié: (2025)
Universal Scene Graph Generation
par: Wu, Shengqiong, et autres
Publié: (2025)
par: Wu, Shengqiong, et autres
Publié: (2025)
RLHF-V: Towards Trustworthy MLLMs via Behavior Alignment from Fine-grained Correctional Human Feedback
par: Yu, Tianyu, et autres
Publié: (2023)
par: Yu, Tianyu, et autres
Publié: (2023)
TextVidBench: A Benchmark for Long Video Scene Text Understanding
par: Zhong, Yangyang, et autres
Publié: (2025)
par: Zhong, Yangyang, et autres
Publié: (2025)
FIRE-CIR: Fine-grained Reasoning for Composed Fashion Image Retrieval
par: Gardères, François, et autres
Publié: (2026)
par: Gardères, François, et autres
Publié: (2026)
Heterogeneous Uncertainty-Guided Composed Image Retrieval with Fine-Grained Probabilistic Learning
par: Tang, Haomiao, et autres
Publié: (2026)
par: Tang, Haomiao, et autres
Publié: (2026)
Ctrl-U: Robust Conditional Image Generation via Uncertainty-aware Reward Modeling
par: Zhang, Guiyu, et autres
Publié: (2024)
par: Zhang, Guiyu, et autres
Publié: (2024)
Minimizing the Pretraining Gap: Domain-aligned Text-Based Person Retrieval
par: Yang, Shuyu, et autres
Publié: (2025)
par: Yang, Shuyu, et autres
Publié: (2025)
MURE: Hierarchical Multi-Resolution Encoding via Vision-Language Models for Visual Document Retrieval
par: Zhu, Fengbin, et autres
Publié: (2026)
par: Zhu, Fengbin, et autres
Publié: (2026)
Documents similaires
-
ReCALL: Recalibrating Capability Degradation for MLLM-based Composed Image Retrieval
par: Yang, Tianyu, et autres
Publié: (2026) -
Compose Your Aesthetics: Empowering Text-to-Image Models with the Principles of Art
par: Jin, Zhe, et autres
Publié: (2025) -
3D Magic Mirror: Clothing Reconstruction from a Single Image via a Causal Perspective
par: Zheng, Zhedong, et autres
Publié: (2022) -
Instilling Multi-round Thinking to Text-guided Image Generation
par: Zeng, Lidong, et autres
Publié: (2024) -
Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching
par: Chu, Meng, et autres
Publié: (2023)