text-image retrieval | BriefGPT

关键词text-image retrieval

搜索结果 - 8

远程感知图像变化检索与标注的多模态框架
在多模态应用中，我们提出了一种创新的基于对比学习的模型，并利用 RS 数据集进行双时序遥感图像对的变化检测分析，实现了文本 - 图像检索功能。
PDF13 days ago
图像文本化：一种自动创建准确详细图像描述的框架
通过结合现有的多模态大语言模型（MLLMs）与多个视觉专家模型，我们提出了一种名为图像文本化（IT）的创新框架，以最大程度地将视觉信息转化为文本，自动生成高质量的图像描述。我们还提出了几个综合评估基准来验证我们框架所创建的图像描述的质量，显
PDF21 days ago
远程感知影像的知识感知文本 - 影像检索
通过使用外部知识图谱挖掘相关信息，我们提出了一种适用于遥感图像的知识感知文本 - 图像检索（KTIR）方法，该方法丰富了搜索查询中可用的文本范围，缓解了文本和图像之间的信息差距，实现更好的匹配。实验结果表明，该方法在遥感文本 - 图像检索中
PDF2 months ago
长文本 CLIP: 解锁 CLIP 的长文本能力
通过引入 Long-CLIP 作为 CLIP 的替代方案，本研究提供了一种支持长文本输入的方法，并保持了零样本泛化能力，提高了长标题文本 - 图像检索和传统文本 - 图像检索任务的性能。
PDF3 months ago
多模态学习稀疏检索与概率扩展控制
通过利用 Bernoulli 随机变量控制查询扩展，我们提出的训练算法能够有效减少高维共同激活和语义偏差，并在多模态设置中训练了一种有效的 LSR (learned sparse retrieval) 检索模型，该模型在训练时间和 GPU
PDF4 months ago
CVPR自我增强在基础视觉语言模型的文本图像检索中的应用改进
本篇研究提出了一个基于自我增强框架 (A^{3} R) 的跨模态图像检索方法，在领域特定任务中较传统方法表现更好，这个方法采用属性增强的策略来丰富文本描述，并且提出了一种调整重排的方法来寻找文本检索查询和候选图像的表征空间，因此实现了对基线
PDFa year ago
ACL轻量级文本图像检索的两阶段模型压缩：更精简、更快速
本文提出了一种有效的两阶段框架，用于压缩大型预训练双编码器，以实现轻量级文本图片检索，其结果模型较小（原始的 39％），处理图像 / 文本的速度快（分别为 1.6x / 2.9x），在 Flickr30K 和 MSCOCO 基准测试中表现不
PDF2 years ago
MM新闻部门升级：新闻文章自动图片选取系统
本文提出了一个自动化图像选择系统，用于协助编辑在新闻文章中选择合适的图片。该系统融合了从新闻文章中提取的多个文本来源，并接受多语言输入。它配备有字符级词嵌入，以帮助对形态丰富的语言建模，并在靠近的语言之间转移知识。文本编码器采用分层自注意机
PDF4 years ago