研究了跨模态对齐的图像检索问题，提出了一种 IRRA 框架，并在三个公共数据集上获得了优于现有方法的最新成果。

Mar, 2023

本文提出了一种语义自对齐网络 (SSAN)，旨在解决文本到图像中的人物再识别 (text-to-image person re-identification) 中的问题。SSAN 使用一个新颖的手段 —— 自动从两种模态提取语义对齐的部分级特征，并通过设计一个多视角非局部网络来捕捉身体部分之间的关系，从而建立更好的身体部位和名词短语之间的对应关系。此外， SSAN 还引入了一种 Compound Ranking (CR) loss，利用同一身份的其他图像的文本描述提供额外的监督，从而有效地降低文本特征的类内差异。经过广泛的实验，证明了该方法在性能上优于现有的最先进方法和一些高级算法，并提供了新的 ICFG-PEDES 数据集和 SSAN 代码。

Jul, 2021

本文提出了一种基于语义对齐的嵌入方法，采用多头注意力模块和特征聚合网络进行特征对齐，以实现对于文本描述的行人图像搜索，并在 CUHK-PEDES 和 Flickr30K 数据集上取得了最先进的性能。

Dec, 2021

我们提出了一种弱监督引导架构用于指代表达分割，并引入了交叉模态融合、掩码有效性过滤等算法创新，通过只使用少量标注数据，在图像中实现目标物体的空间定位，实验结果表明我们的模型 SafaRi 在少量标注数据下表现优秀，具有强大的泛化能力。

Jul, 2024

本文提出了一种新的基于语义属性学习的人物再辨识和搜索方法，并将其在弱或强标记的时尚摄影数据集上进行训练，进而提供一种强大的用于检测和描述监控人员的语义表达，无需任何监控领域监督，并且已达到最先进的性能，在无监督和监督人物重新辨识中均取得了最先进的性能。此外，作为一种语义表达，它将允许在同一框架内集成基于描述的人员搜索。

Jun, 2017

本论文提出了一种通过细致的监督设计，驱动重新识别网络学习语义对齐特征表示的框架，其中包括了一个带编码器（SA-Enc）的 Semantics Aligning Network (SAN) 用于重新识别，以及一个解码器（SA-Dec）用于重建 / 回归密集语义对齐全纹理图像，并在三元组 ReID 约束下增加感知损失，以确保推断的计算效率。该设计取得了基准数据集 CUHK03，Market1501，MSMT17 和部分人物重新 ID 数据集 Partial REID 等的最佳表现。

May, 2019

本文提出 SCL-RAI 方法解决 NER 数据集中未标注实体问题，并通过基于 span 的对比学习缓解实体歧义和提高模型对未标注实体的鲁棒性，同时提出基于检索的推断以减轻决策边界偏移问题，该方法在两个真实世界数据集上比之前的 SOTA 水平提高了 4.21% 和 8.64% 的 F1 得分。

Sep, 2022

本论文提出了一种有效的联合信息和语义对齐网络 (ISANet) 用于文本驱动的人物搜索，该网络能够准确定位和对齐图像和文本之间的信息，并能够适应性地聚合图像和文本特征以实现本地细粒度对应关系和全局对齐，并在多个数据库上取得了优越的性能。

Aug, 2022

提出了一种基于中间监督的关系抽取模型，该模型能够更准确地捕捉相关背景和实体类型以提高可解释性和性能。通过对模型的不确定性进行评估，达到了在三个基准数据集上的最佳性能表现，并在 DocRED 中的证据检索上优于次优结果 5.04％相对 F1 得分。

Sep, 2021

本文提出了一种有效的人物再识别方法，结合了 fine 和 coarse pose 信息的卷积神经网络，同时提出了一种新的无监督自动重排架构，取得了优异的效果。

Nov, 2017