Jan, 2022

跨模态检索的判别式监督子空间学习

PDF
TL;DR本文提出了基于判别式监督子空间学习（DS2L）的异模检索方法，包括构建共享语义图以保留每种模态内的语义结构，引入 Hilbert-Schmidt 独立准则（HSIC）来保留样本特征相似性和语义相似性的一致性，同时引入相似性保持项以更好地保留每种模态内的语义结构，实验结果表明，该方法在三个公认的基准数据集上取得了显著的效果。
cross-modal retrievalsubspace learningdiscriminative informationsemantic structuresimilarity preservation
发现论文，激发创造
  • 多层次图子空间对比学习用于高光谱图像聚类

    本文提出了一种用于高光谱图像 (HSI) 聚类的多级图像子空间对比学习 (MLGSC) 模型，通过构建图卷积子空间、局部全局图表示和多级对比学习，有效提高了聚类准确性。在四个常见的 HSI 数据集上进行评估，结果显示该模型的整体准确率显著优于当前最先进的聚类方法。

    Apr, 2024

  • 基于图卷积网络的高光谱图像对比多视角子空间聚类

    通过使用图卷积网络进行对比多视图子空间聚类，该研究提出了一种有效的方法来解决高维复杂光谱结构对高光谱图像聚类的挑战，通过最大限度地利用 HSI 中的空间和纹理特征信息来提高聚类准确性。

    Dec, 2023

  • Fisher 判别子空间中的模型聚类与可视化

    本文介绍了一种判别潜在混合模型（DLM）和一种估计算法 Fisher-EM 算法，可用于高维数据空间中的聚类，其结果优于现有的聚类方法，可以用于质谱数据聚类

    Jan, 2011

  • 基于维度结构的跨模态学习知识蒸馏方法

    本论文提出一种基于知识蒸馏的跨模态学习方法，通过探索任务间相关性，将潜在的 “暗知识” 迁移到易学习任务中，有效提高模型准确性并应用于现实世界数据集的实验验证。

    Jun, 2023

  • 共享的跨模态深度量化预测

    本文提出了一种共享预测深度量化（SPDQ）模型，通过嵌入到重现核希尔伯特空间中同时学习共享子空间和两个私有子空间的表示，以进行不同模态之间的最近邻搜索，并在标签对齐的帮助下实现语义保留。实验结果显示，该模型在两个流行的基准测试中优于现有的基准方法。

    Apr, 2019

  • 无监督，高效和语义型专家检索

    本文引入了一种无监督的辨别模型，用于在线文档检索。我们仅使用文本证据，通过无监督学习分布式词表示来避免显式特征工程。我们将我们的模型与最先进的无监督统计向量空间和概率生成方法进行比较，并发现我们的模型在大多数情况下可以与监督方法匹配，且算法成本较低，因此可以取得与所谓的基于档案的方法相同的检索性能水平。

    Aug, 2016

  • 通过学习和转移单模相似度实现对抗性跨模检索

    本文提出了一种名为交叉模态相似性转移的方法，以无监督的方式学习和保持不成对但语义上相似的数据项目之间的联系，并在类别和对排序检索任务中表现出了优于现有技术的结果。

    Apr, 2019

  • 跨模态检索综述

    本文对异构数据检索问题进行了探讨，综述并分类了已有的交叉检索方法，包括基于实值表示学习和基于二进制表示学习的方法，并介绍了多个常用的多模态数据集以及比较不同方法的实验结果。

    Jul, 2016

  • 多模态相似性学习

    本文提出了一种基于多核学习以及基于图的过滤技术的方法，将多媒体数据中的多种模态融合到单一的相似度空间中，以解决多媒体数据中的主观问题和不一致问题。

    Aug, 2010

  • 一个子模 - 超模程序及其在区分性结构学习中的应用

    本文通过基于凸凹过程的变分框架方法，提出了一种最小化两个次模函数之间差异的算法。该算法在机器学习中的应用包括生成式结构图模型和特征选择，结果表明使用此算法的判别式图模型分类器可以明显优于使用生成式图模型的分类器。

    Jul, 2012