超越分辨率：实例检索中的对象与图像比率不匹配

当同一对象在查询和图库中以不同的表观大小出现时，视觉实例检索通常会失败。我们表明，主要原因通常不是分辨率损失，而是物体与图像（O2I）比率不匹配：物体占据两幅图像的不同部分。在以 5 个摄像机距离渲染的 3,021 个 Objaverse 对象的受控基准上，超过 80% 的跨距离退化归因于 O2I 不匹配，而不是 12 个预训练主干中的 9 个的分辨率；多尺度架构将仅分辨率的影响减少到个位数，但仍然同样容易受到影响。失败也是不对称的：紧密查询针对宽图库图像的检索比相反更可靠。在此分析的指导下，查询端规模增强和 OWLv2 裁剪重排序器在 ILIAS 100M 上达到了最先进的水平（重排序前为 29.2 mAP@1000，重排序后为 42.0），无需训练或修改预先计算的图库索引，并且 LoRA 微调可在单次前向传递中匹配查询端增益，表明 O2I 稳健性是可学习的。