摘要由 AI 生成
研究人员提出名为 MULVec 的方法，旨在解决无需训练即可在图像库中进行零样本组合图像检索的问题。该方法通过编译器生成包含全局、期望保留、保持及禁止四种角色的结构化查询记录，利用冻结编码器将查询转化为描述向量与角色探针向量。系统基于共享证据执行检索任务，并通过固定加权求和评分对整张图库进行单次排序。实验表明，在 CIRCO、CIRR 及 FashionIQ 数据集上，MULVec 相比最强对比方法将 CIRCO mAP@5 提升最高 23.0%，并在 CIRR 和 FashionIQ 测试中取得最佳结果。
关键实体KEY ENTITIES
CIRCOCIRRFashionIQMulVec
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- MulVec1
- CIRCO1
- CIRR1
- FashionIQ1
全部报道（1）SOURCES
↗
提出 MULVec 方法，实现无需训练即可在图像库中根据参考图像和文本编辑检索目标图像。该方法通过编译器生成结构化查询记录，映射至全局、期望保留、保持及禁止四个检索角色，利用冻结编码器将查询转化为描述向量与角色探针向量，同时候选图像由全局视觉向量和局部视觉向量库表征。检索角色基于共享证据分别执行任务，最终通过固定加权求和评分对整张图库进行单次检索排序。在 CIRCO、CIRR 及 FashionIQ 数据集及三种骨干网络规模上，MULVec 相比最强对比方法将 CIRCO mAP@5 提升最高 23.0%，并在 CIRR 和 FashionIQ 测试中取得最佳结果。