Durch die Nutzung großskaliger Trainingsdatensätze, Fortschritte in der Gestaltung neuronaler Architekturen sowie effizienter Inferenz sind gemeinsame Einbettungen (joint embeddings) zur dominierenden Methode für die cross-modal Retrieval-Aufgabe geworden. In dieser Arbeit zeigen wir zunächst, dass trotz ihrer Wirksamkeit state-of-the-art gemeinsame Einbettungen erheblich unter dem lang bestehenden „Hubness-Problem“ leiden, bei dem eine kleine Anzahl von Gallery-Einbettungen als nächstgelegene Nachbarn für viele Abfragen fungiert. Inspiriert durch die Literatur aus dem Bereich der natürlichen Sprachverarbeitung (NLP) formulieren wir einen einfachen, aber wirksamen Ansatz namens Querybank Normalisation (QB-Norm), der die Ähnlichkeitsmaße der Abfragen neu skaliert, um die Existenz von „Hubs“ im Einbettungsraum zu berücksichtigen. QB-Norm verbessert die Retrieval-Leistung ohne die Notwendigkeit einer erneuten Trainingsphase. Im Gegensatz zu vorherigen Ansätzen zeigen wir, dass QB-Norm effektiv funktioniert, ohne gleichzeitigen Zugriff auf Testabfragen zu benötigen. Innerhalb des QB-Norm-Rahmens stellen wir außerdem eine neuartige Methode zur Ähnlichkeitsnormalisierung vor, die Dynamic Inverted Softmax, die signifikant robuster als bestehende Ansätze ist. Wir demonstrieren die Wirksamkeit von QB-Norm an einer Vielzahl von cross-modal Retrieval-Modellen und Benchmarks, wo es konsistent starke Baselines über das aktuelle Stand der Technik hinaus verbessert. Der Quellcode ist unter https://vladbogo.github.io/QB-Norm/ verfügbar.