即兴精细草图检索

CVPRFeb, 2020

Sketch Less for More: On-the-Fly Fine-Grained Sketch Based Image Retrieval

Ayan Kumar Bhunia, Yongxin Yang, Timothy M. Hospedales, Tao Xiang, Yi-Zhe Song

TL;DR本文通过优化基于细粒度素描的图像检索方法，使用增强学习及跨模态检索框架实现检索效率的提升与最少笔画查询目标图像的目标，是一种有效的搜索框架。

Abstract

fine-grained sketch-based image retrieval (FG-SBIR) addresses the problem of retrieving a particular photo instance given a user's query sketch. Its widespread applicability is however hindered by the fact that drawing a sketch takes time, and most people struggle to draw a complete an

fine-grained sketch-based image retrieval optimization reinforcement learning early-retrieval efficiency cross-modal retrieval framework

发现论文，激发创造

面向细粒度素描图像检索的主动学习

我们提出了一种新颖的主动学习采样技术，极大地减少了绘制图片素描的需求，通过利用现有照片 - 素描对与没有自己素描的照片之间的关系，并增强这种关系与其中间表示之间的关联，有效平衡不确定性和多样性，在细粒度的基于素描的图像检索任务中，验证了我们的方法并证明其优越性。

Sep, 2023

更多的照片就是你所需要的：半监督学习用于细粒度基于草图的图像检索

本论文研究了基于细粒度手绘图像检索模型中存在的数据稀缺问题，并介绍了一种新型的半监督框架，可以利用大规模未标记的照片来提升模型表现，其中心设计是一个顺序照片到草图生成模型，并引入了鉴别器和蒸馏损失来提高数据的质量。实验证明，新的半监督模型相比现有的监督模型和具有利用未标记的照片的现有方法产生了显著的性能提升。

Mar, 2021

针对细粒度素描图像检索的跨模态层次建模

本文提出一种基于 sketch 的图像检索方法，通过使用跨模态协同和层次结构融合的策略，能够在不同层次的详细程度上匹配 sketch 和照片，并在公共基准测试中取得远超其他方法的性能表现。

Jul, 2020

无素描人脸图像检索：一个新挑战

提出一种新的任务 SLFIR，旨在通过尽可能少的笔画使用不完整的素描图像检索目标人脸照片。首先开发了一种绘图过程生成素描图像数据的方法，并提出了一个两阶段方法作为 SLFIR 的基线，包括采用三元网络学习完整素描和关键人脸照片之间的联合嵌入空间以及利用 LSTM 模块优化不完整人脸素描的表示。实验表明，新框架可以利用不完整或大众素描来完成检索。

Feb, 2023

自适应细粒度基于草图的图像检索

提出了一种基于元学习 (MAML) 的框架来实现 Fine-Grained Sketch-Based Image Retrieval (FG-SBIR) 模型的快速适应新类别和绘画风格的问题，通过内循环中基于边缘对比损失的训练和外循环中引入额外的正则化损失，相比常规和零样本方法，可以获得更好的性能和精准度的几个强基线测试结果。

Jul, 2022

基于多粒度表示学习的基于草图的动态人脸图像检索

通过多粒度表示学习方法（MGRL），该研究提出一种解决半身轮廓图检索（SLFIR）问题的框架，从而在早期获取方面超过了现有基线模型。

Dec, 2023

Doodle to Search: 实用的零样本基于草图的图像检索

本文提出了一种新的零样本基于草图的图像检索 (ZS-SBIR) 场景，该场景能够有效解决 ZS-SBIR 实际应用中常见的大领域差异和大规模检索问题，提供了一个全新的 ZS-SBIR 数据集 QuickDraw-Extended，采用了一种新策略来处理领域差异，同时集成了外部语义知识以帮助语义转换，实验表明该模型在现有数据集上表现优异，并提供训练代码和数据集以供未来研究使用。

Apr, 2019

基于素描的图像检索零样本框架

提出基于生成模型的零样本学习用于手绘图像检索的新方法，在经过大量实验验证后，发现这种方法比现有的方法在检索不同类别的图片时性能更好。

Jul, 2018

简单而高效：面向自监督的统一样本特征对齐的局部区域特征匹配

通过引入双重权重共享网络、对比损失和可学习的自我注意力与交叉注意力相结合，实现了细粒度基于草图的图像检索方法的优化和扩展，并通过专业时尚草图和图像数据集 Cloths-V1 的验证展示了该方法的卓越性能。

Jun, 2024

零样本基于素描的图像检索生成模型

提出了一种基于概率模型的草图图像检索方法，采用生成模型来生成图像，并使用反向自回归流和反馈机制保证了图像生成的效果，实验结果表明该方法在两个数据集上的表现优于基线方法。

Apr, 2019