Buchumschlag

Generalized Contrastive Learning for Multi-Modal Retrieval and Ranking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Tianyu, Jung, Myong Chol, Clark, Jesse
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Object-Aware Query Perturbation for Cross-Modal Image-Text Retrieval
von: Sogi, Naoya, et al.
Veröffentlicht: (2024)

CoopHash: Cooperative Learning of Multipurpose Descriptor and Contrastive Pair Generator via Variational MCMC Teaching for Supervised Image Hashing
von: Doan, Khoa D., et al.
Veröffentlicht: (2022)

Maximal Matching Matters: Preventing Representation Collapse for Robust Cross-Modal Retrieval
von: Alomari, Hani, et al.
Veröffentlicht: (2025)

Multi-event Video-Text Retrieval
von: Zhang, Gengyuan, et al.
Veröffentlicht: (2023)

It's Not a Modality Gap: Characterizing and Addressing the Contrastive Gap
von: Fahim, Abrar, et al.
Veröffentlicht: (2024)

Optimizing Multi-Modal Models for Image-Based Shape Retrieval: The Role of Pre-Alignment and Hard Contrastive Learning
von: Kühn, Paul Julius, et al.
Veröffentlicht: (2026)

Online Learning via Memory: Retrieval-Augmented Detector Adaptation
von: Jian, Yanan, et al.
Veröffentlicht: (2024)

Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

Candidate Set Re-ranking for Composed Image Retrieval with Dual Multi-modal Encoder
von: Liu, Zheyuan, et al.
Veröffentlicht: (2023)

Hierarchy-of-Visual-Words: a Learning-based Approach for Trademark Image Retrieval
von: Lourenço, Vítor N., et al.
Veröffentlicht: (2019)

Multimedia-Aware Question Answering: A Review of Retrieval and Cross-Modal Reasoning Architectures
von: Raja, Rahul, et al.
Veröffentlicht: (2025)

Re-ranking the Context for Multimodal Retrieval Augmented Generation
von: Mortaheb, Matin, et al.
Veröffentlicht: (2025)

PAPERCLIP: Associating Astronomical Observations and Natural Language with Multi-Modal Models
von: Mishra-Sharma, Siddharth, et al.
Veröffentlicht: (2024)

Dual Pose-invariant Embeddings: Learning Category and Object-specific Discriminative Representations for Recognition and Retrieval
von: Sarkar, Rohan, et al.
Veröffentlicht: (2024)

RAG-Check: Evaluating Multimodal Retrieval Augmented Generation Performance
von: Mortaheb, Matin, et al.
Veröffentlicht: (2025)

Sustainable transparency in Recommender Systems: Bayesian Ranking of Images for Explainability
von: Paz-Ruza, Jorge, et al.
Veröffentlicht: (2023)

Benchmarking Robustness of Contrastive Learning Models for Medical Image-Report Retrieval
von: Deanda, Demetrio, et al.
Veröffentlicht: (2025)

Evidential Transformers for Improved Image Retrieval
von: Dordevic, Danilo, et al.
Veröffentlicht: (2024)

UniversalRAG: Retrieval-Augmented Generation over Corpora of Diverse Modalities and Granularities
von: Yeo, Woongyeong, et al.
Veröffentlicht: (2025)

Embedding-based Retrieval in Multimodal Content Moderation
von: Liang, Hanzhong, et al.
Veröffentlicht: (2025)

FOR: Finetuning for Object Level Open Vocabulary Image Retrieval
von: Levi, Hila, et al.
Veröffentlicht: (2024)

NanoVDR: Distilling a 2B Vision-Language Retriever into a 70M Text-Only Encoder for Visual Document Retrieval
von: Liu, Zhuchenyang, et al.
Veröffentlicht: (2026)

AdaTask: A Task-aware Adaptive Learning Rate Approach to Multi-task Learning
von: Yang, Enneng, et al.
Veröffentlicht: (2022)

Decoupled Training: Return of Frustratingly Easy Multi-Domain Learning
von: Wang, Ximei, et al.
Veröffentlicht: (2023)

Revisiting Uncertainty: On Evidential Learning for Partially Relevant Video Retrieval
von: Li, Jun, et al.
Veröffentlicht: (2026)

Metric Compatible Training for Online Backfilling in Large-Scale Retrieval
von: Seo, Seonguk, et al.
Veröffentlicht: (2023)

CaReBench: A Fine-Grained Benchmark for Video Captioning and Retrieval
von: Xu, Yifan, et al.
Veröffentlicht: (2024)

Sync from the Sea: Retrieving Alignable Videos from Large-Scale Datasets
von: Dave, Ishan Rajendrakumar, et al.
Veröffentlicht: (2024)

PC$^2$: Pseudo-Classification Based Pseudo-Captioning for Noisy Correspondence Learning in Cross-Modal Retrieval
von: Duan, Yue, et al.
Veröffentlicht: (2024)

LD-DETR: Loop Decoder DEtection TRansformer for Video Moment Retrieval and Highlight Detection
von: Zhao, Pengcheng, et al.
Veröffentlicht: (2025)

TelcoAI: Advancing 3GPP Technical Specification Search through Agentic Multi-Modal Retrieval-Augmented Generation
von: Ghosh, Rahul, et al.
Veröffentlicht: (2025)

FilterRAG: Zero-Shot Informed Retrieval-Augmented Generation to Mitigate Hallucinations in VQA
von: Sarwar, Nobin
Veröffentlicht: (2025)

Open Multimodal Retrieval-Augmented Factual Image Generation
von: Tian, Yang, et al.
Veröffentlicht: (2025)

Multi-Label Plant Species Prediction with Metadata-Enhanced Multi-Head Vision Transformers
von: Herasimchyk, Hanna, et al.
Veröffentlicht: (2025)

Attribute-Guided Multi-Level Attention Network for Fine-Grained Fashion Retrieval
von: Xiao, Ling, et al.
Veröffentlicht: (2022)

Multi-Label Plant Species Classification with Self-Supervised Vision Transformers
von: Gustineli, Murilo, et al.
Veröffentlicht: (2024)

REAL-MM-RAG: A Real-World Multi-Modal Retrieval Benchmark
von: Wasserman, Navve, et al.
Veröffentlicht: (2025)

Reversed in Time: A Novel Temporal-Emphasized Benchmark for Cross-Modal Video-Text Retrieval
von: Du, Yang, et al.
Veröffentlicht: (2024)

AutoPP: Towards Automated Product Poster Generation and Optimization
von: Fan, Jiahao, et al.
Veröffentlicht: (2025)

GBSK: Skeleton Clustering via Granular-ball Computing and Multi-Sampling for Large-Scale Data
von: Chen, Yewang, et al.
Veröffentlicht: (2025)