是什么推动了层次结构感知图像检索？分类对齐、目标选择和几何

基础视觉模型提供了强大的通用表示，但高类别级别的检索准确性并不一定意味着嵌入尊重目标语义分类。我们研究了对冻结的 DINOv2 特征进行严格的显式分类图像检索，并提出问题：当分层检索改进时，有多少变化与分类感知监督的组织相关，又有多少与欧几里德双曲几何选择相关？我们使用严格的跨类标准评估更高的水平，排除更细粒度的匹配，并比较使用分类距离回归或分类感知监督对比目标训练的欧几里得和双曲线投影。计算匹配的 2 x 2 几何 x 损失阶乘使用相同的 768-256-32 投影仪容量、优化计划、批次顺序和固定 100 纪元预算；损失轴表示回归分类法 SupCon 目标系列对比。在 CUB 上，平均层次 mAP（严格中/高平均，不包括类/叶）中的目标族对比度在欧几里得空间中为 +0.0487，在双曲空间中为 +0.0414，而几何对比度为 +0.0102 和 +0.0030。在 NABirds 父不相交检索中，相应的目标族对比度为 +0.0467 和 +0.0440，而几何对比度为 +0.0017 和 -0.0009。语义对齐控制表明，真正的分类法大大优于保留结构的打乱层次结构，而 NABirds 曲率/半径控制不支持更强的负曲率作为观察到的层次结构增益的解释。在这两个分类法中，回归到分类法 SupCon 的对比总体上大于评估的几何对比；语义对齐也很重要，而几何图形仍然依赖于层次结构。