iLearn-Lab/TOIS25-Awesome-Composed-Image-Retrieval

解决的问题

本项目旨在应对组合图像检索 (CIR) 这一快速发展领域的挑战，即通过结合图像和文本反馈来搜索相似图像。它收集了 2017 年至 2025 年间的 120 多篇论文，并按技术进行分类，使研究人员更容易找到相关工作并了解当前的技术水平。

工作原理

该仓库是一个人工整理的论文和资源列表，分为基于属性的 CIR、监督式 CIR、少样本 CIR、零样本 CIR 等类别。每篇论文条目均包含发表地点、年份和论文链接。该项目还通过涵盖约 10 个基准数据集提供了统一的评估视角，并鼓励通过 pull requests 和 issues 进行社区贡献，以保持内容的实时更新。

适用人群

适用于计算机视觉、信息检索和多模态学习领域的研究人员、学生和从业者。它是了解 CIR 领域、比较不同方法以及识别开放研究问题的便捷起点。

主要亮点

• 对 120 多篇开创性论文 (2017–2025) 的系统分析
• 跨越约 10 个基准数据集的统一评估
• 持续更新，欢迎社区贡献 (PRs 和 issues)