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的填写文献信息,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!

USER: Unified Semantic Enhancement With Momentum Contrast for Image-Text Retrieval

计算机科学 人工智能 推论 图像检索 任务(项目管理) 水准点(测量) 代表(政治) 自然语言处理 情报检索 机器学习 图像(数学) 大地测量学 政治学 政治 经济 管理 法学 地理
作者
Yan Zhang,Zhong Ji,Di Wang,Yanwei Pang,Xuelong Li
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:33: 595-609 被引量:6
标识
DOI:10.1109/tip.2023.3348297
摘要

As a fundamental and challenging task in bridging language and vision domains, Image-Text Retrieval (ITR) aims at searching for the target instances that are semantically relevant to the given query from the other modality, and its key challenge is to measure the semantic similarity across different modalities. Although significant progress has been achieved, existing approaches typically suffer from two major limitations: (1) It hurts the accuracy of the representation by directly exploiting the bottom-up attention based region-level features where each region is equally treated. (2) It limits the scale of negative sample pairs by employing the mini-batch based end-to-end training mechanism. To address these limitations, we propose a Unified Semantic Enhancement Momentum Contrastive Learning (USER) method for ITR. Specifically, we delicately design two simple but effective Global representation based Semantic Enhancement (GSE) modules. One learns the global representation via the self-attention algorithm, noted as Self-Guided Enhancement (SGE) module. The other module benefits from the pre-trained CLIP module, which provides a novel scheme to exploit and transfer the knowledge from an off-the-shelf model, noted as CLIP-Guided Enhancement (CGE) module. Moreover, we incorporate the training mechanism of MoCo into ITR, in which two dynamic queues are employed to enrich and enlarge the scale of negative sample pairs. Meanwhile, a Unified Training Objective (UTO) is developed to learn from mini-batch based and dynamic queue based samples. Extensive experiments on the benchmark MSCOCO and Flickr30K datasets demonstrate the superiority of both retrieval accuracy and inference efficiency. For instance, compared with the existing best method NAAF, the metric R@1 of our USER on the MSCOCO 5K Testing set is improved by 5% and 2.4% on caption retrieval and image retrieval without any external knowledge or pre-trained model while enjoying over 60 times faster inference speed. Our source code will be released at https://github.com/zhangy0822/USER.
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
水晶鞋完成签到 ,获得积分10
刚刚
刚刚
1秒前
1秒前
完美世界应助于广喜采纳,获得10
2秒前
3秒前
优美熠悦完成签到 ,获得积分10
4秒前
半圭为璋发布了新的文献求助10
4秒前
心向发布了新的文献求助10
6秒前
KKKKK完成签到,获得积分10
6秒前
搜集达人应助哇了哇采纳,获得10
8秒前
8秒前
毛毛完成签到 ,获得积分10
9秒前
孤鸿.完成签到 ,获得积分10
9秒前
铮铮完成签到,获得积分10
10秒前
轻松真发布了新的文献求助10
11秒前
12秒前
科研通AI2S应助LONG采纳,获得10
14秒前
嘚嘚完成签到,获得积分20
14秒前
无私的以亦完成签到 ,获得积分10
16秒前
十一嘞发布了新的文献求助10
17秒前
顾矜应助欢喜发卡采纳,获得30
19秒前
20秒前
21秒前
Steven发布了新的文献求助10
21秒前
燊yy发布了新的文献求助10
23秒前
不青山发布了新的文献求助10
25秒前
情怀应助十一嘞采纳,获得10
28秒前
大个应助十一嘞采纳,获得10
28秒前
28秒前
CodeCraft应助梧桐锁采纳,获得10
29秒前
完美世界应助轻松真采纳,获得100
31秒前
平底锅攻击完成签到 ,获得积分10
33秒前
领导范儿应助liuzf采纳,获得20
33秒前
香蕉笑阳发布了新的文献求助10
36秒前
37秒前
果汁完成签到 ,获得积分10
38秒前
39秒前
liuzf发布了新的文献求助20
44秒前
ding完成签到,获得积分20
45秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3125790
求助须知:如何正确求助?哪些是违规求助? 2776133
关于积分的说明 7729211
捐赠科研通 2431530
什么是DOI,文献DOI怎么找? 1292140
科研通“疑难数据库(出版商)”最低求助积分说明 622407
版权声明 600380