arXiv new; ECCV 2026; cross-modal SSL · P1 · 2026-06-27

See & Sniff：它和通用视觉自监督的关系在于：dense local alignment + masked visual modeling 的跨模态自监督框架可迁移

中高相关；详见方法、贡献和实验边界。

See & Sniff: Learning Visuo-Olfactory Representations　arXiv new; ECCV 2026; cross-modal SSL　原文链接

编号2606.27307 优先级P1 类别arXiv new; ECCV 2026; cross-modal SSL 会议arXiv new; ECCV 2026; cross-modal SSL 方法dense local alignment + masked visual modeling 的跨模态自监督框架可迁移来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：dense local alignment + masked visual modeling 的跨模态自监督框架可迁移。中高相关；详见方法、贡献和实验边界。

**Figureure 2 · : Pipeline of See & Snif**Fig. 2: Pipeline of See & Snif. Our framework expands smell-only data through semantic pairing with web images. Vision and smell encoders extract modality-specific features, which are aligned using a contrastive objective to learn joint visuo-olfactory representations.这张图概括 See & Sniff 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 3 · : Family-wise Comparison.**Fig. 3: Family-wise Comparison.这张图/表用于判断 See & Sniff 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于：dense local alignment + masked visual modeling 的跨模态自监督框架可迁移。

方法拆解

dense local alignment + masked visual modeling 的跨模态自监督框架可迁移

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。