CLIP-Event: Connecting Text and Images with Event Structures

计算机科学 事件(粒子物理) 论证(复杂分析) 水准点(测量) 人工智能 自然语言处理 信息抽取 情报检索 机器学习 大地测量学 生物化学 量子力学 物理 化学 地理
作者
Manling Li,Ruochen Xu,Shuohang Wang,Luowei Zhou,Xudong Lin,Chenguang Zhu,Michael Zeng,Heng Ji,Shih-Fu Chang
标识
DOI:10.1109/cvpr52688.2022.01593
摘要

Vision-language (V+L) pretraining models have achieved great success in supporting multimedia applications by understanding the alignments between images and text. While existing vision-language pretraining models primarily focus on understanding objects in images or entities in text, they often ignore the alignment at the level of events and their argument structures. In this work, we propose a contrastive learning framework to enforce vision-language pretraining models to comprehend events and associated argument (participant) roles. To achieve this, we take advantage of text information extraction technologies to obtain event structural knowledge, and utilize multiple prompt functions to contrast difficult negative descriptions by manipulating event structures. We also design an event graph alignment loss based on optimal transport to capture event argument structures. In addition, we collect a large event-rich dataset (106,875 images) for pretraining, which provides a more challenging image retrieval benchmark to assess the understanding of complicated lengthy sentences 1 1 The data and code are publicly available for research purpose in https://github.com/limanling/clip-event.. Experiments show that our zero-shot CLIP-Event outperforms the state-of-the-art supervised model in argument extraction on Multimedia Event Extraction, achieving more than 5% absolute F-score gain in event extraction, as well as significant improvements on a variety of downstream tasks under zero-shot settings.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
小远儿发布了新的文献求助10
7秒前
068完成签到,获得积分20
10秒前
AXLL完成签到 ,获得积分10
10秒前
763完成签到 ,获得积分10
12秒前
缓慢思枫完成签到,获得积分10
15秒前
奋斗的雪曼完成签到 ,获得积分10
16秒前
花花521发布了新的文献求助10
20秒前
江流儿发布了新的文献求助10
20秒前
22秒前
22秒前
林一木完成签到,获得积分10
23秒前
春夏爱科研完成签到,获得积分10
24秒前
25秒前
25秒前
26秒前
26秒前
28秒前
Bismarck发布了新的文献求助10
29秒前
wangbq完成签到 ,获得积分10
31秒前
该房地产个人的完成签到,获得积分10
32秒前
ds完成签到,获得积分10
33秒前
什么东西完成签到,获得积分10
33秒前
高丽娜完成签到,获得积分10
34秒前
yufanhui应助科研通管家采纳,获得10
36秒前
FashionBoy应助科研通管家采纳,获得10
36秒前
隐形曼青应助科研通管家采纳,获得10
36秒前
科研通AI2S应助科研通管家采纳,获得10
36秒前
bkagyin应助科研通管家采纳,获得10
36秒前
Jasper应助科研通管家采纳,获得10
36秒前
斯文败类应助科研通管家采纳,获得10
36秒前
yiyi完成签到 ,获得积分10
36秒前
36秒前
JamesPei应助科研通管家采纳,获得10
36秒前
yufanhui应助科研通管家采纳,获得10
36秒前
深情安青应助科研通管家采纳,获得10
37秒前
yufanhui应助科研通管家采纳,获得10
37秒前
yufanhui应助科研通管家采纳,获得10
37秒前
汉堡包应助科研通管家采纳,获得10
37秒前
yufanhui应助科研通管家采纳,获得10
37秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140580
求助须知:如何正确求助?哪些是违规求助? 2791382
关于积分的说明 7798832
捐赠科研通 2447736
什么是DOI,文献DOI怎么找? 1302029
科研通“疑难数据库(出版商)”最低求助积分说明 626402
版权声明 601194