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

祝大家在新的一年里科研腾飞
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
润润轩轩完成签到 ,获得积分10
8秒前
倪妮完成签到 ,获得积分10
22秒前
666完成签到 ,获得积分10
39秒前
小豆包完成签到 ,获得积分10
41秒前
1分钟前
5476完成签到,获得积分10
1分钟前
1分钟前
风中的怜阳完成签到,获得积分10
1分钟前
无幻完成签到 ,获得积分10
1分钟前
jerry应助科研通管家采纳,获得10
1分钟前
1分钟前
贪玩丸子完成签到 ,获得积分10
1分钟前
1分钟前
pangcheng完成签到,获得积分10
1分钟前
2分钟前
lili完成签到,获得积分0
2分钟前
深情安青应助郎文华采纳,获得10
2分钟前
寒风完成签到,获得积分10
2分钟前
丫丫完成签到 ,获得积分10
2分钟前
zm完成签到 ,获得积分10
2分钟前
栗栗栗完成签到,获得积分10
2分钟前
2分钟前
貔貅完成签到 ,获得积分10
2分钟前
默默完成签到 ,获得积分10
2分钟前
卡萨卡萨完成签到,获得积分10
2分钟前
2分钟前
JamesPei应助零知识采纳,获得10
2分钟前
2分钟前
零知识发布了新的文献求助10
2分钟前
从全世界路过完成签到 ,获得积分10
3分钟前
怡然的乘风完成签到 ,获得积分10
3分钟前
widesky777完成签到 ,获得积分0
3分钟前
懦弱的问芙完成签到,获得积分10
3分钟前
呜呼完成签到,获得积分10
3分钟前
老石完成签到 ,获得积分10
4分钟前
暖暖的禾日完成签到 ,获得积分10
4分钟前
久伴久爱完成签到 ,获得积分10
4分钟前
安然完成签到 ,获得积分10
4分钟前
北地风情完成签到 ,获得积分10
4分钟前
sweet雪儿妞妞完成签到 ,获得积分10
4分钟前
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
Psychology and Work Today 1400
Operational Bulk Evaporation Duct Model for MORIAH Version 1.2 1200
Variants in Economic Theory 1000
Global Ingredients & Formulations Guide 2014, Hardcover 1000
Research for Social Workers 1000
Signals, Systems, and Signal Processing 880
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5840725
求助须知:如何正确求助?哪些是违规求助? 6154760
关于积分的说明 15605388
捐赠科研通 4958203
什么是DOI,文献DOI怎么找? 2672943
邀请新用户注册赠送积分活动 1617891
关于科研通互助平台的介绍 1573021