用于可扩展的多语言基于文本的人物检索的基于视觉的语义学习和对齐

原文：Vision-Grounded Semantic Learning and Alignment for Scalable Multilingual Text-Based Person Retrieval

基于多语言文本的人物检索（TBPR）旨在检索具有多种语言文本的人物。尽管它具有实际重要性，但它却被现有的研究所忽视，现有的研究主要集中在纯英文检索上。此前对多语言 TBPR 的唯一尝试存在以下问题：(1) 缺乏大规模、多语言预训练数据集；(2) 模型架构欠佳

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。