SIGIRJun, 2020

学习搜索查询的颜色表示

PDF
TL;DR本文探讨了如何在图像搜索引擎中应用颜色作为匹配过程的一个特征，提出了一种基于循环神经网络及历史点击数据学习查询 - 图像颜色分布表示并结合交叉模式下的匹配模型，并在用户反馈中验证其有效性。
image searchcolour representationneural networkrelevance rankeruser preference
发现论文，激发创造
  • 语言模型是否能够在没有基于所见的情况下编码感知结构？以颜色为例的案例研究

    本文通过使用预先训练的语言模型，对颜色的结构性关系进行研究，发现在理解色彩的感知结构方面，较为温暖的颜色比较接近于感知颜色空间。

    Sep, 2021

  • 自动上色的学习表示

    我们开发了一个完全自动化的图像上色系统，使用最新的深度网络技术，利用低级别和语义表示，通过预测每个像素的颜色直方图进行训练。无论是在完全自动化的还是部分自动化的上色任务中，我们的方法都优于现有方法。同时，我们也探索使用上色作为自监督视觉表示学习的手段。

    Mar, 2016

  • 即使是摘要也有颜色：词语 - 颜色关联中的共识

    用众包的方法建立一个单词 - 色彩相关联词典，以显示色彩与抽象概念和情感的关系。

    Sep, 2013

  • 学习生成组合式色彩描述

    使用递归神经网络和傅里叶变换的颜色表示方法，成功应用于生成颜色描述模型，在自然颜色描述的大型语料库上进行条件语言模型任务，不仅可以准确地生成基本颜色术语，还可以生成训练过程中未见过的具有非凸含义的描述词，裸修饰语以及组合短语。

    Jun, 2016

  • 丰富多彩的语言：测量词语与颜色之间的关联性

    通过众包的方式，我们提出了一种方法来创建一个大的单词 - 颜色关联词典，着重于抽象概念和情感，以表明它们也往往具有强烈的颜色关联，同时展示了单词 - 颜色关联是如何在语言中体现的，并量化了自动检测颜色关联的有用性。

    Sep, 2013

  • 双向长短期记忆网络生成颜色

    利用双向长短期记忆网络与主动学习，开发了一种新型模型，旨在桥接我们对无数色调的视觉感知和准确表达与命名它们的能力。这项研究的主要目标是创造一个多功能工具，用于对以前未命名的颜色进行分类和命名，或者识别逃避传统颜色术语的中间色调。通过严谨的实验和分析，这项研究揭示出自然语言处理在各个行业中应用的潜力。通过促进对广阔颜色谱的探索，自然语言处理的潜在应用超越了传统边界。

    Nov, 2023

  • 指示性图像检索：将黑盒学习变为灰盒

    本文重新探讨了深度学习时代中相关性 / 匹配建模的重要性，并展示了通过直接对匹配证据建模而跳过表示学习的可能性，提高了深度推断的可解释性，并在 Oxford-5k 和 Paris-6k 上获得了最佳性能并创下了新记录。

    Jan, 2022

  • Color out of space: 为地球观测影像学习自监督表示

    该研究旨在通过利用高维光谱波段重新构建可见颜色，从卫星图像中学习有意义的表示，以进行地表覆盖分类和航空监测等深度学习技术的研究。

    Jun, 2020

  • 学习人物再识别不变色彩特征

    本文提出一种基于数据驱动的方法学习跨多个相机视图的人物再识别，通过联合学习线性变换和字典编码像素值，并使用颜色作为唯一线索，在多个颜色空间中进行比较，取得了优于其他方法的结果。

    Oct, 2014

  • 基于语言的图形设计照片调整方法

    通过基于语言的方法，我们提供了一个直观的系统，可以帮助图形设计专家和新手进行照片重新着色，以解决现有工具和之前的作品在易用性和表现力之间的困境。

    Aug, 2023