LLLMWIKI
ArticleMetadataMain page

Question · Updated 2026-07-14

图文检索哪个子方向最适合中等算力的研究生项目？

#near-cvpr-2025#multimodal#vision-language#survey-needed

Open question

图文检索哪个子方向最适合中等算力的研究生项目？

This question remains open and needs new primary evidence.

Next evidence need

8Candidate sources1Related topics
View evidence paths →

问题

在两到三年、公开数据/代码、中等 GPU 和小团队约束下，应该选择组合式图像检索、细粒度对齐、数据/负例、跨语言检索、视觉文档检索，还是统一多模态 embedding？

为什么还没有解决

这些方向共享 CLIP/SigLIP 等基础模型，但实验成本、数据标注、论文新颖性和应用价值不同。统一 benchmark 的平均分不能替用户选择具体研究路线；需要先做同资源 baseline 和失败样本分析。

什么证据会有帮助

  • 固定 backbone、数据和硬件后的 Recall/nDCG、延迟、索引大小与训练时间。
  • 每个候选方向的公开训练集、测试集、多真值质量和数据重叠风险。
  • 一周级复现任务是否能暴露明确失败模式，并能扩展成可验证的问题。
  • 近五年基准是否在显式负例、多语言、视觉文档和 query 改写上仍有可重复的失败，而不是只在一个排行榜上有增益。

相关页面

Metadata
{
  "id": "question-image-text-retrieval-research-cut",
  "type": "question",
  "title": "图文检索哪个子方向最适合中等算力的研究生项目？",
  "status": "open",
  "created": "2026-07-14",
  "updated": "2026-07-14",
  "tags": [
    "near-cvpr-2025",
    "multimodal",
    "vision-language",
    "survey-needed"
  ],
  "question_status": "open",
  "priority": "high",
  "related_topics": [
    "topics/image-text-retrieval"
  ],
  "related_entities": [
    "entities/clip",
    "entities/clip-retrieval-benchmarks"
  ],
  "candidate_sources": [
    "sources/2026-07-14-datacomp",
    "sources/2026-07-14-searle-circo",
    "sources/2026-07-14-uniir-mbeir",
    "sources/2026-07-14-vlm2vec-mmeb",
    "sources/2026-07-14-mieb",
    "sources/2026-07-14-cprd",
    "sources/2026-07-14-pinpoint",
    "sources/2026-07-14-miracl-vision"
  ]
}