在检索任务中 ， 视觉-语言检索(VLR)通过适当的匹配策略来理解视觉（图像或视频）和语言 ， 其包括两个子任务 ， 视觉到文本检索和文本到视觉检索 ， 其中视觉到文本检索是根据视觉从更大的描述池中获取最相关的文本描述 ， 反之亦然 。

• 上海|盒马辟谣：“上海所有门店关闭”不实，系店员不了解具体情况
• 达达|格总说创业干货：不了解直播带货这两个重要环节，等于白玩儿
• 苹果|一条连接线949 一本书2000？苹果那些贵得离谱的产品你可能不了解
• 三星电子|深受家长青睐的护眼电视真的护眼吗？不了解不知道，一了解吓一跳
• 苹果|可穿戴全凝胶多模态皮肤传感器可同时单点监测心脏相关的生物物理信号
• 五角大楼|随着5G的推出，五角大楼仍然不了解对军用飞机的影响
• 华为诺亚方舟实验室|1亿组图文对，填补中文开源多模态数据集空白| 文本
• 电子商务|这3款旗舰手机被严重高估，配置高但缺点明显，只怪太多人不了解
• 合成|小米AI实验室六篇论文获ICASSP2022收录，多模态语音唤醒挑战赛夺冠
• 银行的短信通知最好关闭？多数人不了解内幕，多亏银行员工提醒