CIRCLED：一个跨域一致对话的多回合 CIR 数据集
计算机视觉与模式识别
2026-05-27 v1
摘要
现有的多回合组合图像检索（MTCIR）数据集缺乏对话历史的一致性，且局限于时尚领域。为解决这些限制，我们通过扩展 FashionIQ、CIRR 和 CIRCO 来构建 CIRCLED。在 CIRCLED 中，每个回合的查询逐渐逼近目标图像。数据通过基于 CIReVL 的检索管道生成，并通过对检索成功率、回合长度、一致性和信息冗余的多个过滤器进行筛选，以确保数据质量。总体而言，我们收集了 22,608 个多回合会话，涵盖九个子集，规模和普适性均显著超过 Multi-turn FashionIQ（11,505 个会话）。我们进一步应用了多个基线方法，对 CIRCLED 上的检索准确率进行了量化评估。我们的工作提供了一个实用且高质量的基准，旨在促进未来在多回合 CIR 研究方面的进展。该数据集和代码已公开于 https://huggingface.co/datasets/tk1441/CIRCLED 和 https://github.com/mti-lab/circled。
引用
@article{arxiv.2605.26734,
title = {CIRCLED: A Multi-turn CIR Dataset with Consistent Dialogues across Domains},
author = {Tomohisa Takeda and Yu-Chieh Lin and Yuji Nozawa and Youyang Ng and Osamu Torii and Yusuke Matsui},
journal= {arXiv preprint arXiv:2605.26734},
year = {2026}
}