CVPRMar, 2022

无忧绘图：噪声容忍的基于草图的图像检索

PDF
TL;DR本文利用强化学习设计了一种画笔子集选择器，用于减少噪声干扰，提高图片检索的效率，相比现有算法有了 8%-10% 的性能提升，成为了业内的新标杆，并且展示了该选择器可以用于多种人工智能应用中。
sketchingimage retrievalnoise reductionreinforcement learningstate-of-the-art performance
发现论文，激发创造
  • 即兴精细草图检索

    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。

    Feb, 2020

  • LiveSketch：基于查询扰动的引导式素描视觉搜索

    LiveSketch 是一种使用手绘查询来搜索大型图像集合的新算法，其使用三元组 convnet 架构和反向传播来实现搜索，并利用实时聚类来识别潜在搜索意图和目标。

    Apr, 2019

  • 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

  • 深度素描抽象学习

    本文提出了第一种基于笔画级别的速写抽象模型，并通过强化学习训练了一个笔画去除策略，该模型能够用于各种速写分析任务，包括建模笔画显著性、合成具有可变抽象度的速写以及使用仅照片训练细粒度速写检索模型。

    Apr, 2018

  • 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

  • SketchCleanNet—— 一种基于深度学习的查询草图增强和校正方法，用于 3D CAD 模型检索系统

    本文主要介绍了一种基于深度学习的方法来清理和增强三维 CAD 模型的手绘查询草图，从而改善搜索引擎的结果。结果表明，使用这种方法可以获得更好的搜索结果。

    Jul, 2022

  • 如何在基于草图的图像检索中处理草图抽象化？

    我们提出了一种新颖的抽象感知的基于草图的图像检索框架，能够处理不同级别的草图抽象。通过学习抽象感知特征和粒度级别的抽象理解，我们的方法在标准的草图 - 图像检索任务以及早期检索、法医草图 - 照片匹配和风格不变检索等具有挑战性的场景中表现出色。

    Mar, 2024

  • 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

  • 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

  • 草图胜千言：带文本和草图的图像检索

    本文介绍了一个基于文本及草图的图像检索模型，该模型称为 “TASK-former”，并采用了类似于 CLIP 的融合编码器的方法，众多实验表明，使用草图可以明显提高图像检索的召回率。

    Aug, 2022