Шёпот от соседей: переосмысление консенсуса в отношении кражи как доказательства опрометчивости и времени для восстановления зрения

arXiv: 261 030.33798v 1 Annuales Type: New Brieflow: Изображение редко описывается только один раз. Взятые контрольные показатели и многие коллекции прикрепляют к каждой картине несколько субтитров, но двойные кодеры по-прежнему судят каждую пару чартов в изоляции. Мы спрашиваем, что эти соседские субтитры могут внести в случае, когда замороженный энкодер консультируется с ними во время вывода. Сходство изображения с собственным изображением улучшает текст-имаг R@1 на 3,4-16.8 точек в девяти замороженных кодерах, когда субтитры поступают от тех же аннотаторов, что и запросы. Прибыль снижается до 1,9-7,2 очков в тех случаях, когда заголовок на экране пишет их и не более чем к одному моменту, когда они поступают из другого источника аннотации; при помощи перефразированного текстового энкодера еще больше укрепляет текст. Естественное уточнение, подтверждающее ту часть изображения, что субтитры оставляются необъяснимыми, как представляется, добавляет гораздо больше в рамках оценки "один выход". Мы показываем, что это преимущество возникает потому что правильный кандидат просит