May, 2015

WhittleSearch：基于相对属性反馈的交互式图片搜索

PDF
TL;DR该论文提出了一种新颖的图像搜索反馈模式，其中用户可以描述应调整示例图像的哪些属性以更贴近其所寻找的图像的心理模型，并利用比较语言以多维属性空间中的约束迭代更新其相关性函数和重新排列图像数据库，通过使用相对属性的顺序特性，以提高搜索速度和准确性，优化了人、产品和场景的图像搜索。
image searchfeedbackranking functionsattribute spacerefining
发现论文，激发创造
  • 基于对话的交互式图像检索

    介绍了一种新的交互式图像检索方法，该方法允许用户通过自然语言提供反馈，形成了一个基于强化学习的对话系统，用于提高目标图像的排名，该方法在鞋类检索应用中表现出更好的准确性和更有效的检索结果。

    May, 2018

  • 实时交互式搜索

    该论文介绍了 Seeker 系统，它允许用户通过喜欢和不喜欢的反馈形式实时交互地细化搜索排名。用户可以通过一个对象的嵌入空间进行搜索，然后采用顺序反馈逐步适应搜索结果。该算法可以通过人类参与的实验量化评估，从而使得该方法具有质量保证。

    May, 2019

  • 游泳池之外的思考：相对属性的主动训练图像创造

    该研究提出了一种主动图像生成方法，以解决针对细节属性的训练图像筛选问题，并在两个数据集上取得了较高的泛化准确性提升。

    Jan, 2019

  • 从一瞥到抓住：带有渐进相关反馈的交互式面部图像检索

    提出了一种端到端的面部图像检索框架，利用相关反馈逐步提供给目击者，对心理图像进行交互式和迭代式检索，无需额外注释，并进行 exttt {CelebA} 数据集上的实验证明，该模型在最佳设置下的排名百分位数可以达到 99％，可以成为进一步研究的基础。

    Jul, 2020

  • 比较与对比：学习显著视觉差异

    此篇论文探讨了突出不同之处的新功能，使用相对属性特征预测视觉上最显著的差异，并在 UT-Zap50K 鞋和 LFW10 人脸数据集上进行了测试，证明了改进图像搜索和描述生成任务的性能。

    Mar, 2018

  • 利用大规模无标注数据进行快速交互式图像检索

    本文介绍了一种基于二分类算法的交互式图像检索系统，该系统结合了主动学习和基于图的半监督学习算法。该方法使用不确定性采样的方法来找到具有信息价值的点，并借助一个启发式自适应阈值来确定决策界限。同时使用从深度学习和 WordNet 中提取的视觉和语义信息，以提高分类器的鲁棒性。该方法在多个数据集上的实验中得到了较高的 F1 分数。

    Feb, 2018

  • 基于负面反馈的对话式产品搜索

    本研究提出了一种基于非相关项驱动的产品搜索对话范式，该范式旨在收集和利用细粒度反馈，以在下一次迭代中显示更好的结果。我们提出了一种方面 - 价值可能性模型，用于结合正反馈和负反馈。实验结果表明，我们的模型比基于项级负反馈和不使用反馈的最先进的产品搜索基线显着更好。

    Sep, 2019

  • 深度相对属性

    该论文提出了一种基于深度神经网络的相对属性预测方法，其中采用卷积神经网络 (ConvNet) 学习特征，包含排名层 (rank layer) 学习根据这些特征对图像进行排序，并采用适当的排名损失进行训练，优于基线和最先进的方法，适用于不同类型的数据集。

    Dec, 2015

  • 利用示例批判和建议进行基于偏好的搜索

    本文探讨了交互式工具＂例子批判＂来帮助用户在大量选项中快速找到最合适的物品，并介绍了通过基于用户当前的喜好模型和潜在的隐藏喜好来计算建议来改善该技术的新技术。用合成和真实用户进行性能评估，结果表明，这些建议对用户非常吸引人，可以刺激他们表达更多的偏好以提高识别出最喜欢的物品的机会，提高了 78%。

    Sep, 2011

  • 关于推荐系统的软属性解释和测量

    讨论了如何稳定地解释推荐系统中的自然语言细化 (或批评)，提出了一种基于个性化相对语句的更自然的表述方式，并提供一组评分方法，从无监督到弱监督到全监督，在解释和处理软属性的基础上提供了方案。

    May, 2021