已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

AGREE: Aligning Cross-Modal Entities for Image-Text Retrieval Upon Vision-Language Pre-trained Models

计算机科学 排名(信息检索) 情态动词 人工智能 图像(数学) 任务(项目管理) 自然语言处理 构造(python库) 图像检索 情报检索 模式 模式识别(心理学) 化学 管理 高分子化学 经济 程序设计语言 社会科学 社会学
作者
Xiaodan Wang,Lei Li,Zhixu Li,Xuwu Wang,Xiangru Zhu,Chengyu Wang,Jun Huang,Yanghua Xiao
标识
DOI:10.1145/3539597.3570481
摘要

Image-text retrieval is a challenging cross-modal task that arouses much attention. While the traditional methods cannot break down the barriers between different modalities, Vision-Language Pre-trained (VLP) models greatly improve image-text retrieval performance based on massive image-text pairs. Nonetheless, the VLP-based methods are still prone to produce retrieval results that cannot be cross-modal aligned with entities. Recent efforts try to fix this problem at the pre-training stage, which is not only expensive but also unpractical due to the unavailable of full datasets. In this paper, we novelly propose a lightweight and practical approach to align cross-modal entities for image-text retrieval upon VLP models only at the fine-tuning and re-ranking stages. We employ external knowledge and tools to construct extra fine-grained image-text pairs, and then emphasize cross-modal entity alignment through contrastive learning and entity-level mask modeling in fine-tuning. Besides, two re-ranking strategies are proposed, including one specially designed for zero-shot scenarios. Extensive experiments with several VLP models on multiple Chinese and English datasets show that our approach achieves state-of-the-art results in nearly all settings.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
1234发布了新的文献求助10
1秒前
婧宸完成签到 ,获得积分10
2秒前
3秒前
漂亮的千万完成签到,获得积分10
6秒前
6秒前
GSH完成签到,获得积分20
7秒前
8秒前
10秒前
10秒前
能干夏波发布了新的文献求助10
11秒前
12秒前
苹果芷天完成签到,获得积分10
12秒前
zzy发布了新的文献求助10
12秒前
可爱的筝发布了新的文献求助10
13秒前
失眠问晴完成签到,获得积分10
13秒前
13秒前
llc完成签到 ,获得积分10
14秒前
碧蓝丹烟发布了新的文献求助10
14秒前
十二完成签到 ,获得积分10
15秒前
15秒前
15秒前
浮云发布了新的文献求助30
15秒前
16秒前
科研通AI6.1应助小天采纳,获得10
16秒前
16秒前
慕青应助陈志亮采纳,获得30
17秒前
18秒前
pumpkin完成签到,获得积分10
18秒前
19秒前
彭佳丽发布了新的文献求助10
19秒前
Jason发布了新的文献求助10
21秒前
涵HAN发布了新的文献求助50
21秒前
chancewong发布了新的文献求助10
23秒前
fengquan发布了新的文献求助50
23秒前
QueenQ发布了新的文献求助30
23秒前
情怀应助冰冰咖啡采纳,获得10
28秒前
乙予安完成签到,获得积分10
28秒前
江東完成签到 ,获得积分10
30秒前
Jason完成签到,获得积分10
30秒前
星辰大海应助卑微老大采纳,获得10
33秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Cronologia da história de Macau 5000
Petrology and Plate Tectonics 800
Prompt Engineering for Clinicians: Harnessing AI in Everyday Medical Practice 600
Electrode Potentials 550
Handbook Of Synthetic Methodologies And Protocols Of Nanomaterials 500
Trees of tropical Asia : an illustrated guide to diversity 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 光电子学 物理化学 电极 基因 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 6984054
求助须知:如何正确求助?哪些是违规求助? 8662174
关于积分的说明 18366237
捐赠科研通 6449236
什么是DOI,文献DOI怎么找? 3094455
关于科研通互助平台的介绍 2152272
邀请新用户注册赠送积分活动 2070574