image retrieval | BriefGPT - AI 论文速递

关键词image retrieval

搜索结果 - 240

风险受控图像检索
提出了一种基于风险控制的图像检索方法 (RCIR)，该方法可以保证以预定义的概率包含原始的真实检索结果，并在四个真实数据集中进行了验证。
PDFa year ago
音素检索；语音识别；元音识别
提出了一种音素检索技术，其特殊之处在于网络的构建方式。
PDFa year ago
大规模无人机图像的高效匹配查询：通过图索引全局描述符
该论文提出了一种高效的匹配对检索方法和实现了并行 SfM 重建的集成工作流，通过训练在线个体码书、使用 VLAD 聚合局部特征并通过 HNSW 图结构进行全局描述符索引，以加速匹配对检索并提高 SfM 重建效率。验证实验结果在三个大规模 U
PDFa year ago
MOFI：从带噪实体注释的图像中学习图像表示
MOFI 是一种新的视觉基础模型，通过预先训练和训练技巧，基于通过噪声文本标注的图像表示，提供了 Image-to-Entities（I2E）数据库，其中包括 10 亿个图像和 200 万个不同实体，并达到了 86.66％的平均精度，在大型
PDFa year ago
聊天达到完美 -- 基于聊天的图像检索
本文介绍了一种基于聊天式对话系统的图像检索方法，使用大型语言模型生成对用户问题的跟进问题，在对用户的意图进行澄清后，从一个较大的图像库中检索目标图像，并在多次对话中显著提高了图像检索成功率。
PDFa year ago
重塑心智之眼：对比学习和扩散先验的 fMRI 图像生成
本文提出了一种名为 MindEye 的新型 fMRI 到图像转换方法，通过对比学习和扩散优先使用两个并行子模块来实现图像的检索和重建，将 fMRI 脑活动映射到高维多模态潜在空间，使用生成模型从该潜在空间接受嵌入以进行图片重建和精确检索。通
PDFa year ago
ACLFACTUAL：忠实且一致的文本场景图解析基准
本文介绍了一种新的中间表示方法 FACTUAL-MR ，并使用该方法重新对 Visual Genome (VG) 中的字幕进行了注释，从而使结果更加真实且一致。研究者设计了一种新的场景图相似度度量方法，与改进后的场景图解析器结合使用，在图像
PDFa year ago
利用多模态语言模型生成图像
该论文提出了一种方法，通过将文本形式的大型语言模型嵌入图像编码器和解码器模型中，利用它们的嵌入空间之间的映射来融合两者，从而实现多模态的图像检索、新颖图像生成和多模态对话，同时还能生成并处理图像和文本输入，比非基于 LLM 的模型在一些基于
PDFa year ago
降低测试时间偏差以实现公平图像检索
本篇论文针对文本查询时图像检索结果存在的性别偏见和种族偏见，提出了一种简单直接的后处理偏见缓解技术，可以在保持图像检索性能不变的情况下，实现对性别和种族的平等代表性，最终得到比其他现有同类方法更低的偏见度和令人满意的图像检索表现。
PDFa year ago
CVPR图像检索中通过对抗学习的边界感知的向后兼容表示
介绍了在视觉检索系统中，从传统模型更新到新模型需要重新计算所有图片嵌入，所以引入兼容性训练（BCT）的方法，并提出了 Adversarial Backward-Compatible Training（AdvBCT）方法进行对比实验，表明其在
PDFa year ago
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。
PDFa year ago
ICLRUnicom: 用于图像检索的通用紧凑表示学习
本文研究了图像检索方法中预训练模型的应用，提出了一种基于 CLIP 模型从联合文本和视觉特征提取像素类描述符的方法，采用部分原型随机选择以及特征维度随机选择的方法来提高特征表示和冲突鲁棒性，最终在多个基准测试中取得了超过现有方法的性能表现。
PDFa year ago
构建多元数字历史的高效 OCR
通过对 OCR 进行字符级图像检索建模，解决了现有体系结构在低资源情况下无法准确识别光学字符识别问题的不足，并为社区参与使数字历史更具代表性开辟了新的途径。
PDFa year ago
CVPR适用于零样本基于草图的图像检索的 CLIP, 是否精细或不精细
本文提出了将 CLIP 和 prompt learning 应用于 sketch-based image retrieval (ZS-SBIR) 中，通过专门设计的 prompt 学习机制，在分类和精细匹配两个方面都获得了比之前最先进的方法
PDFa year ago
MABNet: 基于混合学习的图像检索助手网络
本研究提出了一种新型的用于图像检索的 Master Assistant Buddy Network（MABNet）模型，结合了监督和自监督学习，由主网络和辅助网络组成，主网络通过提供自己的知识库作为自监督的参考引导辅助网络，辅助网络又通过权
PDFa year ago
SIGIRiQPP：图像查询性能预测基准
本文提出了第一个图像查询性能预测（iQPP）的基准，并提出了新的预检索和后检索查询性能预测器，并通过对比现有预测器进行评估。实证结果表明，大多数预测器不能在不同的评估方案中推广使用。我们的综合实验表明，iQPP 是一个具有挑战性的基准，揭示
PDFa year ago
DialogCC：大规模多模态对话数据集
本文介绍了一种基于 CLIP 相似度的多模态对话数据集创建管道，使用这个管道，我们提出了一个大规模的多模态对话数据集 DialogCC，并且通过广泛的实验结果表明，使用我们的数据集训练多模态对话模型可以改善泛化性能，与此同时，使用我们的数据
PDF2 years ago
扩散艺术还是数码伪造？探究扩散模型中数据复制
本文研究了图像检索框架，让我们能够比较生成的图像与训练样本，并检测什么时候复制了内容。我们使用这个框架分析了多个数据集上训练的扩散模型，包括牛津花卉，Celeb-A，ImageNet 和 LAION，讨论了训练集大小等因素对内容复制率的影响
PDF2 years ago
AAAIRankDNN: 学习用于少样本学习的排序深度神经网络
本文提出了一种新的 few-shot learning pipeline，将图像检索的相关性排名转化为二进制排名关系分类。我们的深度神经网络的核心组件是一个简单的 MLP，并可构建于任何最先进的特征提取器之上。在元测试期间，RankDNN
PDF2 years ago
InDiReCT: 语言引导的零样本深度度量学习（Deep Metric Learning）用于图像
本研究提出了一种基于自然语言的零样本度量学习方法，应用于图像检索系统中，使用自然语言控制图像表征属性，通过使用文本提示进行训练，并利用 CLIP 模型将文本提示嵌入到图像嵌入空间中，从而实现根据不同的相似度概念创建自定义嵌入空间的快速训练和
PDF2 years ago