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
研友_VZG7GZ的应助被LH采纳,获得10
刚刚
qing发布了新的文献求助10
1秒前
哈机密级发布了新的文献求助10
2秒前
jindou完成签到,获得积分10
2秒前
2秒前
无限安青关注了科研通微信公众号
3秒前
11完成签到,获得积分10
4秒前
4秒前
Youdge的应助被逃跑的炸鸡采纳,获得20
4秒前
5秒前
小二郎的应助被实验一次成功采纳,获得10
5秒前
大模型的应助被铎铎铎采纳,获得10
5秒前
白昼完成签到 ,获得积分10
5秒前
5秒前
6秒前
6秒前
快乐滑板发布了新的文献求助10
7秒前
洞若观烟火完成签到,获得积分10
7秒前
傅问旋完成签到,获得积分10
8秒前
勤劳元瑶完成签到,获得积分10
8秒前
冉景完成签到 ,获得积分10
9秒前
放开那只大熊猫完成签到,获得积分10
9秒前
小刘发布了新的文献求助10
10秒前
苗觉觉发布了新的文献求助10
10秒前
11秒前
科研小菜鸟完成签到,获得积分10
11秒前
村长热爱美丽完成签到 ,获得积分10
11秒前
noname完成签到,获得积分10
11秒前
棠xx完成签到,获得积分10
11秒前
馒头完成签到,获得积分10
12秒前
丘比特的应助被奶黄包采纳,获得10
13秒前
Jessie完成签到,获得积分10
13秒前
dzy1317完成签到,获得积分10
13秒前
Ava的应助被听听采纳,获得20
13秒前
JOE完成签到,获得积分10
14秒前
15秒前
pp完成签到,获得积分10
16秒前
Lucas的应助被qing采纳,获得10
16秒前
热心兰完成签到,获得积分10
16秒前
17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
Energie-Contracting 1500
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Stochastic Models in Operations Research,Vol. 2 600
Organizational Behavior 510
桑白皮エキスの実験的, 臨床的育毛効果について 500
Comprehensive Heterocyclic Chemistry IV 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 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8042054
求助须知:如何正确求助?哪些是违规求助? 9475075
关于积分的说明 21276383
捐赠科研通 7610727
什么是DOI,文献DOI怎么找? 3391550
关于科研通互助平台的介绍 2523046
邀请新用户注册赠送积分活动 2429352