NaiLIA：基于稠密意图描述和调色板查询的多模态指甲设计检索
计算机视觉与模式识别
2026-03-06 v1
摘要
我们关注基于稠密意图描述检索指甲设计图像的任务，这些描述代表了指甲设计的多层次用户意图。这一任务具有挑战性，因为此类描述指定了不受限制的绘画元素和预制装饰品，以及视觉特征、主题和整体印象。除了这些描述之外，我们假设用户通过色板选择器指定零个或多个颜色，以便表达细微且连续的颜色细节。现有的视觉语言基础模型往往难以融合此类描述和调色板。为此，我们提出NaiLIA，这是一种用于指甲设计图像的多模态检索方法，能够在检索过程中全面地与稠密意图描述和调色板查询进行对齐。我们的方案引入了一种基于无标签图像置信度得分的松化损失，以便这些图像可以与描述对齐。为评估NaiLIA，我们构建了一个由10,625张图片组成的基准数据集，这些图片来自具有多样文化背景的人群。图片被标注为由200多位标注者给出的长期稠密意图描述。实验结果表明，NaiLIA超越了标准方法。
引用
@article{arxiv.2603.05446,
title = {NaiLIA: Multimodal Nail Design Retrieval Based on Dense Intent Descriptions and Palette Queries},
author = {Kanon Amemiya and Daichi Yashima and Kei Katsumata and Takumi Komatsu and Ryosuke Korekata and Seitaro Otsuki and Komei Sugiura},
journal= {arXiv preprint arXiv:2603.05446},
year = {2026}
}
备注
Accepted to CVPR 2026 Findings