FTF遥感图文检索框架提出

2026年10月28日，arXiv Computer Vision 刊出研究，Xi Chen 等作者提出名为 fast-then-fine（FTF）的遥感图文检索框架。该框架以无交互多粒度召回为核心：先预计算图库嵌入，再与查询嵌入匹配，从而避免对全库做 token 级图文交互；随后用 Balanced Text-guided Interaction Block（BTIB）在 top-K 候选集内进行参数无关的文本引导跨模态重排。研究还配套模态间与模态内损失，联合优化多粒度跨模态对齐。公开基准实验显示，FTF 在保持有竞争力检索精度的同时显著提升检索效率。目前报道仅介绍框架设计与实验结果，未提及代码、数据或模型的公开发布情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。