简单而高效:面向自监督的统一样本特征对齐的局部区域特征匹配
原文中文,约200字,阅读约需1分钟。发表于: 。通过引入双重权重共享网络、对比损失和可学习的自我注意力与交叉注意力相结合,实现了细粒度基于草图的图像检索方法的优化和扩展,并通过专业时尚草图和图像数据集 Cloths-V1 的验证展示了该方法的卓越性能。
本论文研究了细粒度手绘图像检索模型中的数据稀缺问题,并提出了一种半监督框架,利用未标记的照片提升模型表现。实验证明该模型性能显著提升。
通过引入双重权重共享网络、对比损失和可学习的自我注意力与交叉注意力相结合,实现了细粒度基于草图的图像检索方法的优化和扩展,并通过专业时尚草图和图像数据集 Cloths-V1 的验证展示了该方法的卓越性能。
本论文研究了细粒度手绘图像检索模型中的数据稀缺问题,并提出了一种半监督框架,利用未标记的照片提升模型表现。实验证明该模型性能显著提升。