ICCVJul, 2023
基于条件交叉注意网络的多空间嵌入，避免仅使用单一网络引入纠缠
Conditional Cross Attention Network for Multi-Space Embedding without Entanglement in Only a SINGLE Network
Chull Hwan Song, Taebaek Hwang, Jooyoung Yoon, Shunghyun Choi, Yeong Hyeon Gu
TL;DR我们提出了一种条件交叉注意力网络，通过一个单一的主干网络产生可以区分出对象多个具体属性的解缠多空间嵌入。该方法首先利用交叉注意力机制融合和切换条件信息，通过多样的可视化示例证明其有效性。其次，首次将视觉变换应用于细粒度图像检索任务，并提出了一个简单且有效的框架，与现有方法相比。与以往研究不同的是，我们的方法在 FashionAI、DARN、DeepFashion 和 Zappos50K 基准数据集上取得了始终如一的最先进性能。