超越黑箱：面向文本嵌入的视觉接地

研究者提出一种基于草图的视觉接地框架，将文本表示转换为视觉地形草图，以凸显文本嵌入中的语义内容，并探索其在 AI 可解释性、信息检索和推理上的潜力。在 MS-COCO 数据集上的检索评测显示，SBERT 在严格 top-1 准确率上仍占优，但在 top-5 检索上与草图方法表现相当。将 SBERT 与草图方法级联后优于单用 SBERT，作者认为若直接在文本上训练，草图表示在信息检索上具有显著潜力。