基于量子推理模型的视觉词义消歧

本文介绍了一种使用量子推理模型进行视觉词义消歧（VWSD）的新方法。其核心思想是利用量子叠加来减轻来自不同来源的释义中固有的语义偏差。作者证明了他们的 Quantum VWSD (Q-VWSD) 模型优于现有的经典方法，尤其是在利用大型语言模型的释义时。这项工作意义重大，因为它探索了将量子机器学习概念应用于实际问题，并为经典计算提供了启发式版本，弥合了量子硬件成熟之前的差距。

• •提出了用于无监督视觉词义消歧（Q-VWSD）的量子推理模型。
• •使用量子叠加来减轻释义中的语义偏差。
• •优于最先进的经典方法。
• •为经典计算提供启发式版本。
• •利用大型语言模型的释义来提高性能。