DeliCIR：通过多智能体协作进行组合图像检索的记忆引导测试时间审议

组合图像检索（CIR）既需要保持参考图像的视觉连续性，又需要忠实地执行修改文本中指定的语义变量，这是该任务的核心挑战。现有方法常常在单一空间中出现感知近视，或者由于底层检索器的感知天花板而在迭代协作中陷入逻辑漂移。为了解决这个问题，我们提出了一个一站式分层感知到审议框架 (PDF)，据我们所知，该框架是第一个将测试时间缩放 (TTS) 引入 CIR 的框架。依托分层多智能体架构，PDF首先利用意图路由管理器根据修改意图动态调度多视图Worker感知信号，构建高召回候选池。随后，审议管理器将 无需训练 推理体验 蒸馏 机制与锦标赛式测试时间缩放策略（T-TTS）相结合，以执行经验引导的细粒度推理并产生最终的检索结果。实验结果表明，PDF 在 CIRR、CIRCO 和 Fashion IQ 三个基准数据集上实现了 SOTA 性能。这项研究表明，经验驱动的记忆机制和 TTS 代表了实现细粒度多媒体检索的一条非常有前景且可扩展的途径。该代码将在接受后公开发布。