Chinese contentVFI-ReID提出视觉反馈交互式行人检索新范式
做行人重识别或多轮检索的研究者可以看看这篇。它把候选图片的视觉差异直接变成下一轮提问的依据，和只学固定提问顺序的旧 Inter-PR 方法思路明显不同，还附带了可用的 VFI-PEDES 数据集。
#multimodal retrieval
8 stories · 1 in 7 days · 2 in 30 days
Stories, products and papers tagged "multimodal retrieval", newest first.
Nov 10
Nov 4
Chinese contentQueryFlow 论文提出自适应查询演化的多跳图检索方法
一个改进多跳 RAG 检索的新方法，把查询和图上下文联动更新，四个多跳 QA 数据集上 Recall 和准确率都有明显提升，做 RAG 的可以看看。
Oct 15
Chinese contentMilvus 如何在 TB 级自动驾驶视频里检索关键片段
自动驾驶视频素材多到看不过来？Milvus 这个 demo 演示输入一句话就能搜出雨中施工这类具体片段，还能用图片搜相似场景。
Jul 14
Chinese content阿里云StarRocks发布统一SQL多模态检索
阿里云把全文搜索、向量搜索和标量搜索统一成一个SQL，还能直接查数据湖格式，不用搬数据，搞RAG或搜索应用能省一大笔集成成本。
Jul 3
Chinese contentRAG-Anything教程：在Colab构建文本/表格/方程/图像多模态检索管线
想搭多模态RAG？这个Colab教程带你用RAG-Anything处理文本、表格、方程和图像，还支持四种检索模式，上手超快。
Jun 19
Models10:16
Chinese contentELVA：通过排名驱动缓解多模态检索中的粒度盲视这篇论文提出了ELVA，用强化学习思路改多模态检索，解决了对比学习忽略粒度的问题，还在新基准MRBench上提了13.1%，值得做检索方向的人看看。
Jun 18
Chinese contentColQwen多向量检索在视觉文档上领先稠密模型近18点
Milvus用ColQwen和Qwen3-VL-Embedding做了对比，发现多向量在检索带图表的文档时比稠密向量强近18个点，近似搜索不掉分。处理PDF或扫描件可以关注这个结果。
Jun 2
Products10:21
Chinese contentTwelve Labs 在 Vector Space Day 展示多模态检索新可能多模态检索是当前向量搜索的关键突破点，做视频理解、智能体或搜索系统的团队值得关注这场演讲，看看 Twelve Labs 如何将视频从“带图片的文本”变成真正的语义搜索对象。
