Image Text Matching

图像-文本匹配是跨模态检索（CMR）的一个子任务，旨在建立图像与相应文本描述之间的关联。其目标是在给定文本查询时检索相关图像，或在给定图像查询时检索相应的文本描述。该任务因图像和文本数据表示之间的异质性差距而具有挑战性，广泛应用于基于内容的图像搜索、视觉问答和多模态摘要等场景。