基于生成语句质量感知鲁棒学习的无监督跨模态行人搜索方法

本发明具体涉及一种基于生成语句质量感知鲁棒学习的无监督跨模态行人搜索方法，创新性地提出了多粒度语句生成模板，并结合随机模板选择策略，基于预训练多模态大语言模型所含的跨模态知识及强大的生成能力，生成多样的伪语句标注；而后，通过综合考量在线计算的跨模态关联及离线计算的跨模态关联，混合动态与静态不同方面，对伪语句的质量进行全面评估，实现更精准的伪语句质量判别；最后，自适应地动态将质量评估结果分别应用于不同学习目标函数，显著提升模型学习的鲁棒性。在无监督自然语言跨模态行人搜索领域获得显著的性能提升。