利用视觉 - 语义嵌入的新技术进行跨模态检索，通过采用 hard negative mining，结构化预测中的 hard negatives 和排名损失函数的结合，对多模态嵌入的常见损失函数进行简单改变，在微调和使用增强数据的情况下获得了显著的检索性能提升。作者在 MS-COCO 和 Flickr30K 数据集中展示了他们的方法 VSE ++，并使用消融研究和与现有方法的比较。在 MS-COCO 的图像和标题检索中，他们的方法在 R@1 上比现有技术方法分别提高了 11.3％和 8.8％。

Jul, 2017

该研究旨在解决将文本的分布式表示与视觉域进行关联的问题。通过对视觉语义嵌入的深入研究，提出了基于语言规则和 WordNet 知识库的对抗样本技术，通过在 MS-COCO 图像字幕数据集上的评估取得了良好效果。

Jun, 2018

该论文提出了统一的视觉语义嵌入方法，采用对比学习的方法从仅有的图像 - 标题对中对不同水平的概念进行对齐，对于句子中出现的语义组件进行了有效处理，证明该方法具有鲁棒性和可靠性。

Apr, 2019

介绍了一种针对半监督学习的简单，快速，易于调整的算法 Negative Sampling in Semi-Supervised Learning（NS3L），该算法通过向现有的 SSL 算法 (如 Virtual Adversarial Training 和 MixMatch) 中添加 NS3L 损失函数，能够更好地提高模型性能和准确度，并在 CIFAR10，CIFAR100，SVHN 和 STL10 等基准数据集上得到验证。

Nov, 2019

本文通过引入软负样本和双向边缘损失来改善当前无监督对比学习中的特征抑制问题，在语义文本相似度任务上取得了最优结果。

Jan, 2022

本文中介绍了一种新的图像对比学习方法，该方法采用有条件的负采样策略来优化互信息估计，与传统的噪声对比估计相比，该方法在多个标准数据集上都获得了 2-5% 的准确度提升，并且在物体检测、实例分割、关键点检测等下游任务中也获得了更好的性能表现。

Oct, 2020

本文提出一种共识感知的视觉 - 语义嵌入模型（CVSE），以将共识信息，即图像文字的基础知识，融入到图像 - 文本匹配中，并通过构建概念相关性图来实现共识信息的利用，以及通过实例级表示为两种模态学习图像和文本之间的关联和对准。实验表明，相较于先进的方法，利用共识信息对构建更有意义的视觉 - 语义嵌入具有优越的性能，特别是在双向图像和文本检索任务上。

Jul, 2020

本文提出了一种仅使用负样本进行训练的自然语言处理模型中 skip-gram 模型的大规模网络嵌入模型，该模型使用基于最稀疏切割问题的新对比目标，通过图卷积算子作为低通滤波器，将嵌入作为节点表示进行平滑，最终在真实数据集上的实验结果表明我们的模型在准确性和可扩展性方面都优于现有的强基线。

Jun, 2020

提出了一种基于负样本增强策略的视频超分辨率模型（NegVSR），通过可生成实际噪声序列的顺序噪声生成，扩展了退化域来建立不同而具有挑战性的现实世界噪声集合，并提出了增强的负向引导损失，以有效地学习增强后的负向特征。实验结果表明，我们的方法在视觉质量方面明显优于现有最先进的方法。

May, 2023

本研究提出了一种新的方法，改进了生成对抗网络（GANs）训练的能力，可以根据文本输入合成多样的图像，这种方法基于条件版本的 GANs，扩展了前人利用判别器中的辅助任务，通过负样本采样来构造积极和消极的训练样例，通过牛津 102 花卉数据集的实验结果表明，生成的图像更具多样性，特别是当负样本逐渐靠近语义空间中的积极样本时。

Dec, 2018