该研究提出了一种通过多模态的可视图像和自然语言数据的嵌入来实现图像和句子的双向检索的模型，通过对图像和句子的片段进行嵌入到一个共同的空间，实现了片段对齐，从而在图像句子检索任务中显著提高了性能，并提供了可解释的预测结果。

Jun, 2014

通过集成特征嵌入和概念解释到神经网络中进行统一的双重任务学习，本论文实现了将嵌入与语义概念关联，作为视频内容解释的新方法，并在 TRECVid 基准数据集上证明了搜索结果的显著提升。

Feb, 2024

本篇研究针对资源限制下的视觉搜索问题，提出了一种通过生成来自大型模型的画廊嵌入和使用紧凑模型提取查询嵌入的方法来减轻准确性和效率之间难以解决的关系，并通过修改参数和架构来实现嵌入之间的兼容性，从而实现了 80 倍和 23 倍的成本降低，而在 DeepFashion2 和 IJB-C 等挑战性的检索任务中，准确率仅比最佳嵌入模型低不到 0.3% 和 1.6%。

May, 2021

本研究提出了一种新的两条路径的神经网络，其中视觉路径采用了最新的空间感知池化机制模型，结合从头开始训练的文本路径，实现了一种多模态嵌入。在处理带有标注图像的任务中经过训练后，该模型可提供新的跨模态检索性能和短语的视觉定位，达到了最新的最佳表现。

Apr, 2018

本研究提出了一种基于深度学习的变形感知嵌入方法，致力于用于解决给定查询形状的可变形三维模型检索问题，并通过实验表明，该方法比传统基于度量的方法表现更出色。

Apr, 2020

该论文描述了 Pinterest 如何使用多任务深度度量学习系统来学习单个统一的图像嵌入，以帮助用户浏览相关内容和搜索精确产品，还讨论了处理来自不同领域的图像的挑战，并通过离线指标、用户研究和在线 A/B 实验的全面评估证明，他们提出的统一嵌入法改进了 Pinterest 的可视化搜索产品的相关性和互动性。

Aug, 2019

本研究提出了一种专门针对企业环境进行微调的预训练嵌入模型的方法，通过使嵌入模型更适合企业中普遍存在的检索任务，旨在提高信息检索解决方案的性能，研究结果表明微调嵌入模型在改善企业环境下搜索结果的精确性和相关性方面是有效的。

May, 2024

本文提出了一种能够同时解决语义差异问题和根据用户历史交互提供个性化语义搜索结果的新方法，将图嵌入、transformer 模型和基于术语的嵌入统一到一个嵌入模型中，同时分享了特征工程、硬负采样策略以及 transformer 模型应用方面的技巧。此个性化检索模型增强了用户的搜索体验，并提高了搜索购买率和网站整体转化率。

Jun, 2023

该研究旨在基于自然语言查询进行视频检索，并采用嵌入模型进行检索任务的训练，试图通过图像搜索以及嵌入模型的应用使 fine-grained 视觉概念得到消歧，最终在视频和句子检索任务中实现了明显的改进，并取得了与当前最先进技术相媲美的描述生成性能。

Aug, 2016

为了解决大规模历史文档分类的困难，我们提出了一种融合语义分割和深度学习模型的表征学习策略，通过 ResNets、CLIP、文档图像变换器（DiT）和掩码自编码器（MAE）来生成能够捕捉文档特征的嵌入，而无需预定义标签。我们还贡献了两个新颖的数据集 -- 法国 19 世纪和美国 1950 年人口普查记录 -- 来验证我们的方法。结果显示，这些不同的嵌入技术在区分相似文档类型方面的有效性，并且应用语义分割可以显著改善聚类和分类结果。

May, 2024