Buchumschlag

ContextBLIP: Doubly Contextual Alignment for Contrastive Image Retrieval from Linguistically Complex Descriptions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Honglin, Li, Siyu, Nan, Guoshun, Tang, Chaoyue, Wang, Xueting, Xu, Jingxin, Yankai, Rong, Zhou, Zhili, Gao, Yutong, Cui, Qimei, Tao, Xiaofeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RA-BLIP: Multimodal Adaptive Retrieval-Augmented Bootstrapping Language-Image Pre-training
von: Ding, Muhe, et al.
Veröffentlicht: (2024)

VCR: Video representation for Contextual Retrieval
von: Nir, Oron, et al.
Veröffentlicht: (2024)

Integrated Semantic and Temporal Alignment for Interactive Video Retrieval
von: Luu, Thanh-Danh, et al.
Veröffentlicht: (2025)

Fact-Checking with Contextual Narratives: Leveraging Retrieval-Augmented LLMs for Social Media Analysis
von: Dey, Arka Ujjal, et al.
Veröffentlicht: (2025)

MaLoRA: Gated Modality LoRA for Key-Space Alignment in Multimodal LLM Fine-Tuning
von: Zheng, Xinhan, et al.
Veröffentlicht: (2025)

DiffCL: A Diffusion-Based Contrastive Learning Framework with Semantic Alignment for Multimodal Recommendations
von: Song, Qiya, et al.
Veröffentlicht: (2025)

Rebalancing Contrastive Alignment with Bottlenecked Semantic Increments in Text-Video Retrieval
von: Xiao, Jian, et al.
Veröffentlicht: (2025)

Towards Multimodal Sentiment Analysis via Contrastive Cross-modal Retrieval Augmentation and Hierachical Prompts
von: Zhao, Xianbing, et al.
Veröffentlicht: (2025)

AsCL: An Asymmetry-sensitive Contrastive Learning Method for Image-Text Retrieval with Cross-Modal Fusion
von: Gong, Ziyu, et al.
Veröffentlicht: (2024)

MCAD: Multimodal Context-Aware Audio Description Generation For Soccer
von: Chaudhary, Lipisha, et al.
Veröffentlicht: (2025)

Enhancing Multimodal Retrieval via Complementary Information Extraction and Alignment
von: Zeng, Delong, et al.
Veröffentlicht: (2026)

Contrast then Memorize: Semantic Neighbor Retrieval-Enhanced Inductive Multimodal Knowledge Graph Completion
von: Zhao, Yu, et al.
Veröffentlicht: (2024)

Contextual Wireless Video Semantic Communication in MIMO-OFDM Systems
von: Xie, Bingyan, et al.
Veröffentlicht: (2026)

Retrieving Any Relevant Moments: Benchmark and Models for Generalized Moment Retrieval
von: Ding, Yiming, et al.
Veröffentlicht: (2026)

Shapley Value-based Contrastive Alignment for Multimodal Information Extraction
von: Luo, Wen, et al.
Veröffentlicht: (2024)

An Inverse Partial Optimal Transport Framework for Music-guided Movie Trailer Generation
von: Wang, Yutong, et al.
Veröffentlicht: (2024)

Semi-Supervised Contrastive Learning for Controllable Video-to-Music Retrieval
von: Stewart, Shanti, et al.
Veröffentlicht: (2024)

CustomContrast: A Multilevel Contrastive Perspective For Subject-Driven Text-to-Image Customization
von: Chen, Nan, et al.
Veröffentlicht: (2024)

Wavelet-Decoupling Contrastive Enhancement Network for Fine-Grained Skeleton-Based Action Recognition
von: Chang, Haochen, et al.
Veröffentlicht: (2024)

E2LVLM:Evidence-Enhanced Large Vision-Language Model for Multimodal Out-of-Context Misinformation Detection
von: Wu, Junjie, et al.
Veröffentlicht: (2025)

Enhancing Partially Relevant Video Retrieval with Robust Alignment Learning
von: Zhang, Long, et al.
Veröffentlicht: (2025)

Context-aware TFL: A Universal Context-aware Contrastive Learning Framework for Temporal Forgery Localization
von: Yin, Qilin, et al.
Veröffentlicht: (2025)

Contrastive Knowledge Distillation for Robust Multimodal Sentiment Analysis
von: Sang, Zhongyi, et al.
Veröffentlicht: (2024)

Modality-Aware Contrastive and Uncertainty-Regularized Emotion Recognition
von: Zhuang, Yan, et al.
Veröffentlicht: (2026)

ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
von: Zhang, Zhenxing, et al.
Veröffentlicht: (2024)

STCTS: Generative Semantic Compression for Ultra-Low Bitrate Speech via Explicit Text-Prosody-Timbre Decomposition
von: Wang, Siyu, et al.
Veröffentlicht: (2025)

Multi-Reference Generative Face Video Compression with Contrastive Learning
von: Konuko, Goluck, et al.
Veröffentlicht: (2024)

From Natural Alignment to Conditional Controllability in Multimodal Dialogue
von: Jin, Zeyu, et al.
Veröffentlicht: (2026)

Context-Enhanced Video Moment Retrieval with Large Language Models
von: Liu, Weijia, et al.
Veröffentlicht: (2024)

ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context
von: Zheng, Sixiao, et al.
Veröffentlicht: (2024)

Multimodal Fusion via Hypergraph Autoencoder and Contrastive Learning for Emotion Recognition in Conversation
von: Yi, Zijian, et al.
Veröffentlicht: (2024)

Reply with Sticker: New Dataset and Model for Sticker Retrieval
von: Liang, Bin, et al.
Veröffentlicht: (2024)

Task Presentation and Human Perception in Interactive Video Retrieval
von: Willis, Nina, et al.
Veröffentlicht: (2024)

Probing Commonsense Reasoning Capability of Text-to-Image Generative Models via Non-visual Description
von: Pan, Mianzhi, et al.
Veröffentlicht: (2023)

T2VParser: Adaptive Decomposition Tokens for Partial Alignment in Text to Video Retrieval
von: Li, Yili, et al.
Veröffentlicht: (2025)

Cross-Modal and Uni-Modal Soft-Label Alignment for Image-Text Retrieval
von: Huang, Hailang, et al.
Veröffentlicht: (2024)

ISMAF: Intrinsic-Social Modality Alignment and Fusion for Multimodal Rumor Detection
von: Yu, Zihao, et al.
Veröffentlicht: (2025)

Orthogonal Disentanglement with Projected Feature Alignment for Multimodal Emotion Recognition in Conversation
von: Che, Xinyi, et al.
Veröffentlicht: (2025)

Improving the Consistency in Cross-Lingual Cross-Modal Retrieval with 1-to-K Contrastive Learning
von: Nie, Zhijie, et al.
Veröffentlicht: (2024)

Enhancing Few-Shot Classification without Forgetting through Multi-Level Contrastive Constraints
von: Chen, Bingzhi, et al.
Veröffentlicht: (2024)