清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

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
5秒前
眼睛大的念桃完成签到,获得积分10
27秒前
33秒前
40秒前
纯真的柔发布了新的文献求助10
46秒前
1分钟前
wwe完成签到,获得积分10
1分钟前
隐形曼青应助纯真的柔采纳,获得10
1分钟前
1分钟前
大大大忽悠完成签到 ,获得积分10
1分钟前
CC完成签到,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
科研通AI6.2应助ukmy采纳,获得10
2分钟前
黑球发布了新的文献求助10
2分钟前
Zhangll完成签到,获得积分10
2分钟前
haijun应助科研通管家采纳,获得30
2分钟前
姜OMG完成签到,获得积分10
2分钟前
2分钟前
2分钟前
LINDENG2004完成签到 ,获得积分10
2分钟前
2分钟前
3分钟前
3分钟前
3分钟前
寒梅发布了新的文献求助10
3分钟前
3分钟前
今后应助寒梅采纳,获得10
3分钟前
种下梧桐树完成签到 ,获得积分10
3分钟前
haijun应助科研通管家采纳,获得10
4分钟前
haijun应助科研通管家采纳,获得10
4分钟前
haijun应助科研通管家采纳,获得10
4分钟前
haijun应助科研通管家采纳,获得10
4分钟前
haijun应助科研通管家采纳,获得30
4分钟前
4分钟前
4分钟前
4分钟前
4分钟前
高分求助中
Cronologia da história de Macau 5000
Merrill's Atlas of Radiographic Positioning and Procedures - 3-Volume Set, 16th Edition 2000
Matrix Methods in Data Mining and Pattern Recognition 510
Interactions of Vowel Quality and Prosody in East Slavic 500
Vander's Renal Physiology第10版 500
CLSI M27M44S Performance Standards for Antifungal Susceptibility Testing of Yeasts Fourth Edition 400
Forensic Science An Introduction to Scientific and Investigative Techniques 6th Edition 400
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 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7104861
求助须知:如何正确求助?哪些是违规求助? 8759398
关于积分的说明 18524804
捐赠科研通 6666652
什么是DOI,文献DOI怎么找? 3141446
关于科研通互助平台的介绍 2253996
邀请新用户注册赠送积分活动 2116317