arXiv · cs.AI· Slimane Larabi·· 8 小时前
超越黑箱：文本嵌入的视觉落地
Beyond Black Boxes: Visual Grounding for Text Embeddings
arXiv:2610.18047v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Slimane Larabi
研究任务与主要进展
论文提出一个基于草图的视觉落地框架，将文本嵌入转化为视觉地形草图，用于可视化文本表示、探索可解释性、信息检索与受心理意象启发的推理。在 MS-COCO 数据集上的检索评估显示，SBERT 在严格 top-1 检索准确率上仍占优势，但在 top-5 检索上与草图方法表现相当；将两者级联的方案优于单独的 SBERT，表明若直接在文本上训练，草图表示在信息检索上可能有显著潜力。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org