Jul, 2023

Touché 2023: 论证图片检索中的图像生成、态度检测和特征匹配比较

PDF
TL;DR参加 “争论图像检索” 共享任务，我们使用不同的流程进行图像检索，包括图像生成、立场检测、预选和特征匹配。我们提交了四个不同的运行流程，并与给定的基准线进行比较。我们的流程与基准线表现相似。
发现论文，激发创造
  • 从一瞥到抓住：带有渐进相关反馈的交互式面部图像检索

    提出了一种端到端的面部图像检索框架，利用相关反馈逐步提供给目击者，对心理图像进行交互式和迭代式检索，无需额外注释，并进行 exttt {CelebA} 数据集上的实验证明，该模型在最佳设置下的排名百分位数可以达到 99％，可以成为进一步研究的基础。

    Jul, 2020

  • 训练视觉 Transformer 进行图像检索

    本文提出一种基于变换器的图像检索方法，通过采用视觉变换器生成图像描述符并使用度量学习目标进行训练，结合对比损失和微分熵正则化，相比于卷积方法，提高了图像检索性能，特别是对于短向量表示和低分辨率图像。

    Feb, 2021

  • 跨宽基线的图像匹配：从理论到实践

    本文介绍了一个用于本地特征与鲁棒估计算法的全面基准测试，旨在通过相机位姿的准确性作为主要指标。我们的管道模块化结构允许易于集成、配置和组合不同的方法和启发式算法。同时我们展示了如何嵌入数十种流行算法进行评估，进而表明经典算法在适当的设置下可能仍能胜过认为的最前沿机器学习研究。此外，我们实验发现一些意想不到的图像匹配解决方案的性质，这有助于改进它们的性能，无论是算法还是机器学习方法。我们提供了一个易于使用和灵活的框架，用于衡量本地特征与鲁棒估计方法，同时与顶级方法进行比较，构建了一个基础性的图像匹配挑战平台。

    Mar, 2020

  • 使用对比学习和面向任务的 CLIP 特征的组合图像检索

    利用 OpenAI CLIP 模型中的视觉和文本特征进行任务细化微调，然后通过训练 Combiner 网络来整合双模态信息，并提供用于检索的组合特征，结果表明这种方法在复合图像检索方面优于当前先进方法。

    Aug, 2023

  • 使用预训练的视觉语言模型在现实生活图像上进行图像检索

    本研究提出了一个基于 Transformers 的模型 CIRPLANT，使用人类自然语言条件进行直观特征的修改，并结合最近邻方法实现图像的检索，实验结果表明该模型在开放域图像检索中具有很好的性能。

    Aug, 2021

  • STIR: 用于图像检索后处理的孪生 Transformer

    该研究提出了一种基于三元损失的简化模型和一种用于图像检索的新方法 STIR，它采用注意力机制在像素级别上直接比较查询图像和候选图像，不需要全局 / 局部特征提取，能够在标准图像检索数据集上定义新的技术状态。

    Apr, 2023

  • 图像检索的深度视觉表示端到端学习

    本文针对深度学习在实例级图像检索方面表现不佳的问题，提出了基于大规模嘈杂地标数据集的清洗方法、改进的 R-MAC 描述符、基于三元组损失的孪生网络，并在 Oxford 5k、Paris 6k 和 Holidays 数据集上，分别报告了 94.7，96.6 和 94.8 的平均精度，并通过产品量化处理可以实现图像表示的高度压缩。

    Oct, 2016

  • 基本矩阵估计中特征匹配算法评估

    评估最近算法在图像匹配及极线几何评估中的表现，并利用它们设计出更实用的注册系统，扩大计算机视觉任务的应用，通过四个大型数据集的实验，提出了三种高质量的匹配系统和粗 - 细 RANSAC 评估器，具有潜在的应用前景。

    Aug, 2019

  • 使用对比个性化的面部图像检索

    本研究提出了一种利用用户反馈进行二元监督的面部图像检索方法，采用对比学习范例，通过在线优化损失函数进行个性化处理，实验证明该方法可以更快地收敛和提高推荐准确性，同时提供了用户友好的网页端界面，让用户有实时的面部图像检索体验。

    May, 2022

  • 一种真实世界服装检索系统的有效流程

    本文提出了一种有关服装检索系统的流程，采用检测、检索和后处理的三个部件，首先进行检测任务以进行精确的检索，然后采用基于度量学习的模型检索相应的物品，并采用加权框融合和特征拼接等后处理方法来提高检索鲁棒性。该方法在 DeepFashion2 Clothes Retrieval 2020 挑战中获得了第二名。

    May, 2020