KAIST 提出 FactEmbed：分解式潜在向量改进组合图像检索
kaist-ai · hf · 2026-11-04
KAIST AI 团队在 Hugging Face 发布 FactEmbed，针对组合图像检索（Composed Image Retrieval）任务提出新方法。
核心思路是把「查询理解」与「嵌入构建」解耦：通过分解式潜在变量（factorized latents）先模拟对参考图像的视觉修改，再进行检索，从而让模型更准确地按文本指令组合图像语义。
「研究」频道最新
- 可解理论揭示 Muon 何时胜过 Adam:取决于数据谱与目标难度 — CatAstro_Piyush · 2026-11-04
- 伯克利开源 LEANN:把 201GB 向量索引压到 6GB,本地 RAG 省 97% 存储 — thisguyknowsai · 2026-11-04
- 清华与 NVIDIA 提出 PrismWAM:语义、物理、动作三路分离的世界模型 — jiqizhixin · 2026-11-04
- BAAI 开源 CS-Dialogue：104 小时中英混说语音对话数据集 — AdinaYakup · 2026-11-04
- KierstonBench 模拟全城监控查案,仅前沿模型可靠且易被欺骗 — Andrew Semenov · 2026-11-04
- Liber-0 机器人模型零样本操作 60 项任务,总体成功率 36% — heyshrutimishra · 2026-11-04