Hystar：基于超网络驱动并通过动态 SVD 调制的风格自适应检索
计算机视觉与模式识别
2026-05-12 v1
摘要
基于查询的图像检索（QBIR）要求在给定多样且通常风格异构的查询（如草图、艺术品或低分辨率预览）时检索相关图像。虽然像 CLIP 这样的大规模视觉-语言表示模型（VLRM）提供了强大的零样本检索性能，但它们难以应对由未见查询风格引起的分布偏移。在本文中，我们提出了超网络驱动的风格自适应检索（Hystar），这是一种轻量级框架，能够动态地将模型权重调整为适应每个查询的风格。Hystar 采用超网络为注意力层生成奇异值扰动（），实现灵活的逐输入自适应，同时 MLP 层上的静态奇异值偏移确保了跨风格的稳定性。为了更好地处理跨风格的语义混淆，我们设计了 StyleNCE 作为 Hystar 的一部分，这是一种最优传输加权的对比损失，强调困难的跨风格负样本。在多风格检索和跨风格分类基准上的大量实验表明，Hystar 始终优于强基线，实现了 SOTA 性能，同时参数高效且在风格间保持稳定。
引用
@article{arxiv.2605.10009,
title = {Hystar: Hypernetwork-driven Style-adaptive Retrieval via Dynamic SVD Modulation},
author = {Yujia Cai and Boxuan Li and Chenghao Xu and Jiexi Yan},
journal= {arXiv preprint arXiv:2605.10009},
year = {2026}
}
备注
Accepted by ICLR2026