Attribute-Guided Cross-Modal Interaction and Enhancement for Audio-Visual Matching

计算机科学 匹配(统计) 水准点(测量) 特征(语言学) 情态动词 人工智能 嵌入 模式识别(心理学) 相似性(几何) 特征提取 图像(数学) 统计 化学 数学 高分子化学 语言学 哲学 大地测量学 地理
作者
Jiaxiang Wang,Aihua Zheng,Yan Yan,Ran He,Jin Tang
出处
期刊:IEEE Transactions on Information Forensics and Security [Institute of Electrical and Electronics Engineers]
卷期号:19: 4986-4998
标识
DOI:10.1109/tifs.2024.3388949
摘要

Audio-visual matching is an essential task that measures the correlation between audio clips and visual images. However, current methods rely solely on the joint embedding of global features from audio clips and face image pairs to learn semantic correlations. This approach overlooks the importance of high-confidence correlations and discrepancies of local subtle features, which are crucial for cross-modal matching. To address this issue, we propose a novel Attribute-guided Cross-modal Interaction and Enhancement Network (ACIENet), which employs multiple attributes to explore the associations of different key local subtle features. The ACIENet contains two novel modules: the Attribute-guided Interaction (AGI) module and the Attribute-guided Enhancement (AGE) module. The AGI module employs global feature alignment similarity to guide cross-modal local feature interactions, which enhances cross-modal association features for the same identity and expands cross-modal distinctive features for different identities. Additionally, the interactive features and original features are fused to ensure intra-class discriminability and inter-class correspondence. The AGE module captures subtle attribute-related features by using an attribute-driven network, thereby enhancing discrimination at the attribute level. Specifically, it strengthens the combined attribute-related features of gender and nationality. To prevent interference between multiple attribute features, we design a multi-attribute learning network as a parallel framework. Experiments conducted on a public benchmark dataset demonstrate the efficacy of the ACIENet method in different scenarios. Code and models are available at https://github.com/w1018979952/ACIENet.
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
积极马里奥完成签到 ,获得积分10
刚刚
lin发布了新的文献求助10
1秒前
Bao发布了新的文献求助10
2秒前
Splaink发布了新的文献求助10
2秒前
无花果应助狗东西采纳,获得10
2秒前
2秒前
不喜发布了新的文献求助10
3秒前
3秒前
调研昵称发布了新的文献求助10
3秒前
3秒前
5秒前
朴实紫山完成签到,获得积分10
5秒前
牛马完成签到,获得积分10
6秒前
Jasper应助donb采纳,获得30
7秒前
Gesj发布了新的文献求助30
8秒前
8秒前
8秒前
lunlun发布了新的文献求助10
10秒前
凶狠的狗发布了新的文献求助10
10秒前
10秒前
11秒前
le完成签到,获得积分10
11秒前
余余发布了新的文献求助10
13秒前
梵高完成签到,获得积分10
13秒前
祖难破发布了新的文献求助60
13秒前
will发布了新的文献求助30
13秒前
13秒前
烟花应助lin采纳,获得10
16秒前
17秒前
拼搏的败发布了新的文献求助10
17秒前
在水一方应助墨守成规采纳,获得10
18秒前
18秒前
¥¥¥¥¥¥¥¥完成签到 ,获得积分10
19秒前
sudaxia100发布了新的文献求助10
20秒前
ZeKaWa发布了新的文献求助10
20秒前
orixero应助lunlun采纳,获得10
20秒前
21秒前
lihjlhigoiupi发布了新的文献求助10
21秒前
小薯条完成签到,获得积分10
22秒前
donb发布了新的文献求助30
24秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 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 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3321774
求助须知:如何正确求助?哪些是违规求助? 2953109
关于积分的说明 8563890
捐赠科研通 2630584
什么是DOI,文献DOI怎么找? 1439240
科研通“疑难数据库(出版商)”最低求助积分说明 667046
邀请新用户注册赠送积分活动 653495