Towards Vision-Free CIR: Attribute-Augmented Scoring and LLM-Based Reranking for Zero-Shot Composed Image Retrieval
面向视觉无关的组合图像检索：属性增强评分与LLM重排序
🧭 视觉无关组合图像检索·属性增强与LLM重排
The University of Tokyo · Kioxia Corporation
通过属性增强混合评分和LLM重排序，实现视觉无关的零样本组合图像检索，CIRR R@1 44.04%（+8.79%）
📌 工作参考价值（4 点）
- 视觉无关检索范式：将数据库图像离线预生成文本描述（如商品标题/属性），用文本检索替代视觉编码器，大幅降低计算和存储成本，适合电商海量商品库的粗召回。
- 属性增强评分：显式提取并匹配查询与候选图像的属性（颜色、类别、材质等），弥补纯文本描述的视觉细节丢失，可嵌入商品搜索排序的relevance score计算中。
- LLM重排序：对粗排Top-K结果，利用LLM验证“修改文本”是否被满足（如“改成黑色”），提升语义一致性；可迁移至电商对话式搜索、多模态交互中的精排阶段。
- 零样本能力：整个流程不依赖CIR标注数据，开箱即用，适合冷启动或快速迭代场景；可快速验证“参考图+修改文本”这种查询形式在导购、搭配推荐中的效果。