SCOUT：基于冻结视频特征嵌入空间预测的仿真到真实文本行人检索

英文标题：SCOUT: Sim-to-Real Text-Based Person Retrieval by Embedding-Space Prediction over Frozen Video Features

该论文提出 SCOUT，面向“合成数据训练、真实图像库检索”的仿真到真实文本行人检索任务。现有方法通常依赖成本较高的微调跨编码器，而论文探讨冻结编码器系统能否具备竞争力。SCOUT 的核心思路是在冻结的视频特征之上进行嵌入空间预测，以处理跨模态检索问题。论文发布于 arXiv，编号为 arXiv:2609.19483v1。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB