phrase localization | BriefGPT

关键词phrase localization

搜索结果 - 6

无需进一步训练即可将 CLIP 用于短语定位
利用对比语言 - 视觉模型 CLIP，我们可以实现无需人工注释或额外训练的短语定位方法，其零样本短语定位性能优于现有无训练方法，并在某些情况下甚至超过了有监督的方法。
PDF2 years ago
MAF：用于弱监督短语定位的多模态对齐框架
本文提出了一种多模态对齐框架（MAF）来解决注释短语对目标的数据集收集难的问题，通过细粒度视觉表示和视觉感知语言表示模型研究了短语 - 目标相关性，使用对比学习等弱监督学习方法，实现了在 Flickr30k 数据集上对弱监督方法的显著性改进
PDF4 years ago
ICCV无配对训练样本的短语本地化
该论文提出了一种基于弱监督方法且无需特定任务数据的短语定位方法，利用图像中检测到的对象、场景和颜色探究了衡量语义相似性的不同方法，并在两个短语定位数据集上进行了实验，结果表明该方法超越了所有弱监督方法，并且表现出很强的任务基线能力。
PDF5 years ago
ICCVAlign2Ground: 基于图像 - 字幕对准的弱监督短语对齐
使用图像字幕对弱监督进行自由文本短语连接的问题展开研究，提出了一种新颖的端到端模型，并使用字幕到图像检索作为 “下游” 任务来指导短语定位的过程。
PDF5 years ago
学习用于图像文本匹配任务的双分支神经网络
本文研究了两种神经网络结构用于学习图像和语言之间的相似性，其中一种网络结构学习了一个共享的潜在嵌入空间，另一种网络结构通过元素乘积将两个数据模态融合，并且实现了对于句子和图像的双向检索，取得了良好的结果。
PDF7 years ago
学习深度结构保持的图像文本嵌入
提出使用双分支神经网络进行联合嵌入图像和文本的方法，包含多层线性投影和非线性激活函数，通过结合度量学习和交叉视图约束优化进行训练，实验结果表明该方法在图像 - 文本检索和短语定位任务上具有显著性能改进。
PDF9 years ago