論文の概要: Less is More: Concise Retrieval and Critic-based Re-ranking for Composed Image Retrieval

• arxiv url: http://arxiv.org/abs/2610.27538v1
• Date: Tue, 20 Oct 2026 02:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.593852
• Title: Less is More: Concise Retrieval and Critic-based Re-ranking for Composed Image Retrieval
• Title（参考訳）: コンプリート画像検索の簡潔検索と批判ベースのリグレード
• Abstract要約: 簡潔検索と批判的再評価を組み合わせた2段階学習自由フレームワークであるLess-is-More CIRを提案する。 第1段階では、最も差別的な修正セマンティクスのみを保持する簡潔なターゲット指向のキャプションが生成される。 第2段階において、批評家再ランクモジュールは、修正整合性および参照保存の観点から、検索された候補をさらに評価する。
• 参考スコア（独自算出の注目度）: 8.144976154518805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zero-shot composed image retrieval (ZS-CIR) aims to retrieve a target image based on a reference image and modification text. Recent approaches commonly rely on large vision-language models to generate target image captions for retrieval. However, these captions may include redundant semantic details, introducing noise when retrieving the target image and leading to suboptimal retrieval results. To address this issue, we propose Less-is-More CIR, a two-stage training-free framework that combines Concise Retrieval and Critic Re-ranking. In the first stage, concise target-oriented captions are generated that preserve only the most discriminative modification semantics, thereby reducing semantic noise in the retrieval. In the second stage, a critic re-rank module further evaluates the retrieved candidates from the perspectives of modification consistency and reference preservation. Extensive experiments demonstrate the effectiveness and robustness of the proposed framework for the ZS-CIR. Our code is available at: https://github.com/dxlabskku/LM-CIR.
• Abstract（参考訳）: ゼロショット合成画像検索(ZS-CIR)は、参照画像と修正テキストに基づいて対象画像を検索することを目的としている。 近年のアプローチでは、検索対象の画像キャプションを生成するために、大きな視覚言語モデルが一般的である。 しかし、これらのキャプションには、冗長なセマンティックな詳細が含まれ、ターゲット画像の検索時にノイズを導入し、最適下検索結果につながる可能性がある。 この問題に対処するために,2段階のトレーニングフリーフレームワークであるLes-is-More CIRを提案する。 第1段階では、最も識別性の高い修正セマンティクスのみを保持する簡潔なターゲット指向キャプションを生成し、検索におけるセマンティクスノイズを低減する。 第2段階において、批評家再ランクモジュールは、修正整合性および参照保存の観点から、検索された候補をさらに評価する。 広汎な実験により,ZS-CIRのフレームワークの有効性とロバスト性を示す。 私たちのコードは、https://github.com/dxlabskku/LM-CIRで利用可能です。

関連論文リスト

• DCR-TSF: Dual-Level Compositional Reasoning with Triadic Spherical Fusion for Training-Free Zero-Shot Composed Image Retrieval [52.15696141238419]
  ゼロショット合成画像検索(ZS-CIR)は、意図したテキスト修正を反映したターゲット画像の検索を目的としている。 DCR(Dual-level compositional Reasoning)とTSF(Tiadic Spherical Fusion)を組み合わせたトレーニングフリーなZS-CIRフレームワークであるDCR-TSFを提案する。 本手法は,トレーニングフリー手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-10-19T09:34:58Z)
• DiCE-CIR: Direct Composition Learning for Efficient Zero-Shot Composed Image Retrieval [52.15696141238419]
  ゼロショット合成画像検索(ZS-CIR)は、参照画像と編集テキストからなるマルチモーダルクエリから対象画像を検索することを目的としている。 提案するDiCE-CIRは,参照画像と編集テキストを直接合成することで,合成されたクエリ表現を予測する直接合成学習手法である。
  論文  参考訳（メタデータ） (2026-07-06T04:37:30Z)
• SDR-CIR: Semantic Debias Retrieval Framework for Training-Free Zero-Shot Composed Image Retrieval [10.874487857707038]
  Composed Image Retrieval (CIR) は、参照画像と修正テキストからなるクエリからターゲット画像を取得することを目的としている。 SDR-CIR(SDR-CIR)を提案する。
  論文  参考訳（メタデータ） (2026-02-04T11:24:35Z)
• OFFSET: Segmentation-based Focus Shift Revision for Composed Image Retrieval [59.377821673653436]
  Composed Image Retrieval (CIR)は、ユーザの複雑な検索要求を柔軟に表現することができる。 1) 視覚データにおける支配的部分とノイズ的部分の不均一性は無視され、クエリー特徴が劣化する。 本研究は、主部分分割と二重焦点写像という2つのモジュールからなる集中写像に基づく特徴抽出器を提案する。
  論文  参考訳（メタデータ） (2025-07-08T03:27:46Z)
• Reason-before-Retrieve: One-Stage Reflective Chain-of-Thoughts for Training-Free Zero-Shot Composed Image Retrieval [28.018754406453937]
  Composed Image Retrieval (CIR) は、参照画像によく似たターゲット画像を取得することを目的としている。 我々は、ZS-CIR(OSrCIR)の1段階反射鎖推論を提案する。 OSrCIRは、複数のタスクにわたる既存のトレーニングフリーメソッドよりも、パフォーマンスが1.80%から6.44%向上している。
  論文  参考訳（メタデータ） (2024-12-15T06:22:20Z)
• Vision-by-Language for Training-Free Compositional Image Retrieval [78.60509831598745]
  合成画像検索(CIR)は、データベース内の関連する対象画像を検索することを目的としている。 大規模視覚言語モデル(VLM)を用いた最近の研究動向 我々は、CIReVL(Vision-by-Language)による学習自由なCIRへの取り組みを提案する。
  論文  参考訳（メタデータ） (2023-10-13T17:59:38Z)
• Sentence-level Prompts Benefit Composed Image Retrieval [69.78119883060006]
  合成画像検索(CIR)は、参照画像と相対キャプションの両方を含むクエリを用いて、特定の画像を検索するタスクである。 本稿では,事前訓練されたV-Lモデル,例えばBLIP-2を用いて文レベルのプロンプトを生成することを提案する。 提案手法は,Fashion-IQおよびCIRRデータセット上の最先端のCIR手法に対して良好に動作する。
  論文  参考訳（メタデータ） (2023-10-09T07:31:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。