**因子化 MLLM 嵌入：解决组合图像检索中的理解与推理难题**

_Factorized MLLM Embeddings for Composed Image Retrieval_

> 针对组合图像检索（CIR）任务中多模态大语言模型（MLLM）存在理解不足的问题，本文提出了因子化 MLLM 嵌入（FactEmbed）。该方法将查询理解与判别性嵌入构建解耦，通过中间目标想象目标模拟视觉修改，并优化因子级对比损失以蒸馏表示。实验表明，FactEmbed 在多个基准测试中均优于现有方法，有效提升了检索性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.05193)