Buchumschlag

Fine-grained Textual Inversion Network for Zero-Shot Composed Image Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Haoqiang, Wen, Haokun, Song, Xuemeng, Liu, Meng, Hu, Yupeng, Nie, Liqiang
Format:	Preprint
Veröffentlicht:	2025
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

A Comprehensive Survey on Composed Image Retrieval
von: Song, Xuemeng, et al.
Veröffentlicht: (2025)

UniCVR: From Alignment to Reranking for Unified Zero-Shot Composed Visual Retrieval
von: Wen, Haokun, et al.
Veröffentlicht: (2026)

Pseudo-triplet Guided Few-shot Composed Image Retrieval
von: Hou, Bohan, et al.
Veröffentlicht: (2024)

HUD: Hierarchical Uncertainty-Aware Disambiguation Network for Composed Video Retrieval
von: Chen, Zhiwei, et al.
Veröffentlicht: (2025)

FashionLens: Toward Versatile Fashion Image Retrieval via Task-Adaptive Learning
von: Wen, Haokun, et al.
Veröffentlicht: (2026)

Self-Training Boosted Multi-Factor Matching Network for Composed Image Retrieval
von: Wen, Haokun, et al.
Veröffentlicht: (2023)

Scaling Prompt Instructed Zero Shot Composed Image Retrieval with Image-Only Data
von: Duan, Yiqun, et al.
Veröffentlicht: (2025)

Simple but Effective Raw-Data Level Multimodal Fusion for Composed Image Retrieval
von: Wen, Haokun, et al.
Veröffentlicht: (2024)

FineCIR: Explicit Parsing of Fine-Grained Modification Semantics for Composed Image Retrieval
von: Li, Zixu, et al.
Veröffentlicht: (2025)

OFFSET: Segmentation-based Focus Shift Revision for Composed Image Retrieval
von: Chen, Zhiwei, et al.
Veröffentlicht: (2025)

Fine-grained Image Retrieval via Dual-Vision Adaptation
von: Jiang, Xin, et al.
Veröffentlicht: (2025)

Beyond Semantic Search: Towards Referential Anchoring in Composed Image Retrieval
von: Yang, Yuxin, et al.
Veröffentlicht: (2026)

MTFusion: Reconstructing Any 3D Object from Single Image Using Multi-word Textual Inversion
von: Liu, Yu, et al.
Veröffentlicht: (2024)

Zero-Shot Visual Grounding in 3D Gaussians via View Retrieval
von: Liao, Liwei, et al.
Veröffentlicht: (2025)

PUMA: Layer-Pruned Language Model for Efficient Unified Multimodal Retrieval with Modality-Adaptive Learning
von: Lyu, Yibo, et al.
Veröffentlicht: (2025)

Automatic Prompt Generation and Grounding Object Detection for Zero-Shot Image Anomaly Detection
von: Cheung, Tsun-Hin, et al.
Veröffentlicht: (2024)

DVF: Advancing Robust and Accurate Fine-Grained Image Retrieval with Retrieval Guidelines
von: Jiang, Xin, et al.
Veröffentlicht: (2024)

InteractEdit: Zero-Shot Editing of Human-Object Interactions in Images
von: Hoe, Jiun Tian, et al.
Veröffentlicht: (2025)

iSEARLE: Improving Textual Inversion for Zero-Shot Composed Image Retrieval
von: Agnolucci, Lorenzo, et al.
Veröffentlicht: (2024)

Revolutionizing Text-to-Image Retrieval as Autoregressive Token-to-Voken Generation
von: Li, Yongqi, et al.
Veröffentlicht: (2024)

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

PetalView: Fine-grained Location and Orientation Extraction of Street-view Images via Cross-view Local Search with Supplementary Materials
von: Hu, Wenmiao, et al.
Veröffentlicht: (2024)

Bringing Textual Prompt to AI-Generated Image Quality Assessment
von: Qu, Bowen, et al.
Veröffentlicht: (2024)

TraveLLaMA: A Multimodal Travel Assistant with Large-Scale Dataset and Structured Reasoning
von: Chu, Meng, et al.
Veröffentlicht: (2025)

Sentiment-enhanced Graph-based Sarcasm Explanation in Dialogue
von: Ouyang, Kun, et al.
Veröffentlicht: (2024)

Semi-supervised Semantic Segmentation with Multi-Constraint Consistency Learning
von: Yin, Jianjian, et al.
Veröffentlicht: (2025)

TUNA: Comprehensive Fine-grained Temporal Understanding Evaluation on Dense Dynamic Videos
von: Kong, Fanheng, et al.
Veröffentlicht: (2025)

ConeSep: Cone-based Robust Noise-Unlearning Compositional Network for Composed Image Retrieval
von: Li, Zixu, et al.
Veröffentlicht: (2026)

FreeMask: Rethinking the Importance of Attention Masks for Zero-Shot Video Editing
von: Cai, Lingling, et al.
Veröffentlicht: (2024)

Fine-grained Image Quality Assessment for Perceptual Image Restoration
von: Sheng, Xiangfei, et al.
Veröffentlicht: (2025)

Cross-domain Multi-step Thinking: Zero-shot Fine-grained Traffic Sign Recognition in the Wild
von: Gan, Yaozong, et al.
Veröffentlicht: (2024)

Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning
von: Song, Zijie, et al.
Veröffentlicht: (2023)

TEMA: Anchor the Image, Follow the Text for Multi-Modification Composed Image Retrieval
von: Li, Zixu, et al.
Veröffentlicht: (2026)

Test-Time Adaptation with CLIP Reward for Zero-Shot Generalization in Vision-Language Models
von: Zhao, Shuai, et al.
Veröffentlicht: (2023)

Zero-Shot Character Identification and Speaker Prediction in Comics via Iterative Multimodal Fusion
von: Li, Yingxuan, et al.
Veröffentlicht: (2024)

EntroAD: Structural Entropy-Guided Prompt Adaptation for Zero-Shot Anomaly Detection
von: Zhao, Xinyu, et al.
Veröffentlicht: (2026)

Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues
von: Feng, X., et al.
Veröffentlicht: (2024)

Generative Cross-Modal Retrieval: Memorizing Images in Multimodal Language Models for Retrieval and Beyond
von: Li, Yongqi, et al.
Veröffentlicht: (2024)

SFFNet: Synergistic Feature Fusion Network With Dual-Domain Edge Enhancement for UAV Image Object Detection
von: Zhang, Wenfeng, et al.
Veröffentlicht: (2026)

TOL: Textual Localization with OpenStreetMap
von: Liao, Youqi, et al.
Veröffentlicht: (2026)