不匹配对下仍精准检索
通过无偏风险估计和互补对比学习，该算法框架让跨模态检索在训练数据存在大量错误匹配时依然稳健，避免过拟合与欠拟合。
胡鹏 · Huang, Zhenyu · 彭德中 · Wang, Xu · 彭玺
IEEE Transactions on Pattern Analysis and Machine Intelligence 2023
提出无偏风险估计器，即使训练数据中存在大量错误匹配的跨模态对，模型仍能正确学习，避免过拟合。
通过利用所有可用的负样本对增强监督信息，弥补仅使用负样本带来的弱监督，防止模型欠拟合。
通过最小化风险上界，模型在训练中更关注难样本，进一步提升检索性能。