A Glance Is All You Need: Single-Pass Fine-Grained Image Captioning with SimLoss

  • 类型：arxiv
  • 标识：2609.00591
  • 链接：https://arxiv.org/abs/2609.00591
  • 主分类：rag
  • 形态：position
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：SimLoss is proposed, a reference-free embedding-space objective for single-pass fine-grained image captioning, and results show that embedding-space supervision can recover the quality of multi-stage verification at the latency of a single-pass captioner.
  • OpenAlex ID：W7206210882
  • OpenAlex DOI：10.48550/arxiv.2609.00591
  • DOI：10.48550/arxiv.2609.00591
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://arxiv.org/pdf/2609.00591
  • OpenAlex更新：2026-09-05
  • 待LLM分类：否
  • 标题中文：一瞥即可：基于 SimLoss 的单遍细粒度图像描述生成
  • TLDR中文：本文提出 SimLoss，一种面向单轮细粒度图像描述的无参考 embedding 空间目标；结果表明 embedding 空间监督能在单轮描述器延迟下恢复多阶段验证的质量。
  • 来源文件：
  • /inbox/tom/_candidates/2026-09-03-agent-rag-longcontext-candidates.json
  • [OpenAlex backfill]
  • [S2 enrich]