LLLMWIKI
正文元数据首页

来源笔记 · 更新于 2026-07-14

文本—图像组合式检索的鲁棒性基准（Benchmarking Robustness of Text-Image Composed Retrieval）

#near-cvpr-2025#evaluation#benchmarking#primary-source

文本—图像组合式检索的鲁棒性基准

一句话结论

论文把 CIR 从干净 benchmark 扩展到视觉/文本自然扰动和文本理解诊断：CIRR-C、FashionIQ-C 各含 15 类视觉与 7 类文本 corruption，CIRR-D 覆盖数量、属性、对象移除、背景和细粒度变化。

问题、方法与训练/评测设置

  • 研究问题是 CIR 是否真正理解修改文本，还是只依赖主对象词汇；以及自然图像/文字 corruption 下是否稳定。
  • 基于 CIRR 与 FashionIQ 构造 corruption 数据；另以 CIRR 验证集扩展 synthetic triplets 构造 CIRR-D。
  • 指标仍以 Recall@K 等检索结果为主，但分 corruption 类型和文本理解类型报告，避免一个平均分掩盖失效模式。

关键发现与证据边界

  • 该工作提供了系统性鲁棒性评测，而不是新的大模型训练方法；论文报告这些 benchmark 能暴露清洁数据上看不出的弱点。
  • CIRR-D 的合成文本有可控性，但自然语言多样性与人工审计仍是限制；workshop/preprint 证据强度低于主会论文。

对候选课题 A/B/C/D 的启发

  • A：可直接复用 corruption 与 diagnostic 维度，并增加 hard-negative 有效性、text-only/image-only 和数据污染审计。
  • B：在 corruption 预算下比较双塔与精排的鲁棒性—延迟折中。
  • C：将 typo、翻译、低资源语言和地域词汇加入分语言切片。
  • D：对 PDF 页面渲染分辨率、OCR 错误、表格遮挡和图表变化建立视觉文档版本。

原始链接

元数据
{
  "id": "2026-07-14-cir-robustness",
  "type": "source",
  "title": "文本—图像组合式检索的鲁棒性基准（Benchmarking Robustness of Text-Image Composed Retrieval）",
  "status": "reviewed",
  "created": "2026-07-14",
  "updated": "2026-07-14",
  "tags": [
    "near-cvpr-2025",
    "evaluation",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "venue": "NeurIPS 2023 R0-FoMo Workshop",
  "authors": [
    "Shitong Sun",
    "Jindong Gu",
    "Shaogang Gong"
  ],
  "published_at": "2023-11-24",
  "ingested_at": "2026-07-14",
  "canonical_links": [
    "https://arxiv.org/abs/2311.14837",
    "https://arxiv.org/pdf/2311.14837",
    "https://github.com/SunTongtongtong/Benchmark-Robustness-Text-Image-Compose-Retrieval"
  ],
  "raw_entry": "raw/ingest/2026-07-14-cir-robustness/",
  "topics": [
    "topics/image-text-retrieval"
  ],
  "entities": [],
  "claims": [
    "claims/claim-image-text-retrieval-compositionality"
  ],
  "questions": [
    "questions/question-image-text-retrieval-hard-negatives"
  ]
}