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
Cookies完成签到,获得积分10
1秒前
赐梦完成签到 ,获得积分10
1秒前
蝉鸣一夏发布了新的文献求助10
1秒前
2秒前
陈砍砍完成签到 ,获得积分10
2秒前
Jimmy_King完成签到,获得积分10
2秒前
买了束花发布了新的文献求助10
2秒前
忧郁平蝶完成签到,获得积分10
3秒前
3秒前
zhangkui完成签到,获得积分20
5秒前
冷艳的剑完成签到,获得积分10
5秒前
WING完成签到,获得积分10
5秒前
Phosphophyllite完成签到,获得积分10
5秒前
科目三的应助被hhhhh采纳,获得10
6秒前
愉快乐瑶完成签到,获得积分10
6秒前
tao完成签到 ,获得积分10
6秒前
cheney完成签到 ,获得积分10
6秒前
6秒前
min20210429完成签到,获得积分10
7秒前
song完成签到,获得积分10
7秒前
7秒前
斑驳完成签到,获得积分10
8秒前
炙热百褶裙完成签到,获得积分10
8秒前
自然尔风完成签到,获得积分10
8秒前
艾泽拉斯的囚徒完成签到,获得积分10
8秒前
ireneadler完成签到,获得积分10
9秒前
zxp完成签到,获得积分10
9秒前
科研小白two完成签到 ,获得积分10
9秒前
tomf完成签到,获得积分0
9秒前
斯文大霖完成签到,获得积分10
9秒前
10秒前
研友_Z1WrgL完成签到,获得积分10
10秒前
faithful完成签到,获得积分10
10秒前
橙汁完成签到,获得积分10
11秒前
情怀的应助被故意的亦竹采纳,获得10
11秒前
Jun的应助被ypx采纳,获得10
11秒前
sun发布了新的文献求助10
12秒前
王德荣完成签到,获得积分10
12秒前
健壮的鸽子完成签到,获得积分10
13秒前
wy0409完成签到,获得积分10
13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
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 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 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 8166853
求助须知:如何正确求助?哪些是违规求助? 9559723
关于积分的说明 21751714
捐赠科研通 7757614
什么是DOI,文献DOI怎么找? 3429176
关于科研通互助平台的介绍 2553552
邀请新用户注册赠送积分活动 2473967