亲爱的研友该休息了!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!身体可是革命的本钱,早点休息,好梦!

Text-based Person Search without Parallel Image-Text Data

计算机科学 隐藏字幕 图像(数学) 集合(抽象数据类型) 自然语言 语言模型 图像检索 人工智能 方案(数学) 噪音(视频) 情报检索 自然语言处理 数学 数学分析 程序设计语言
作者
Yang Bai,Jingyao Wang,Min Cao,Chen Chen,Ziqiang Cao,Liqiang Nie,Min Zhang
标识
DOI:10.1145/3581783.3612285
摘要

Text-based person search (TBPS) aims to retrieve the images of the target person from a large image gallery based on a given natural language description. Existing methods are dominated by training models with parallel image-text pairs, which are very costly to collect. In this paper, we make the first attempt to explore TBPS without parallel image-text data (μ-TBPS), in which only non-parallel images and texts, or even image-only data, can be adopted. Towards this end, we propose a two-stage framework, generation-then-retrieval (GTR), to first generate the corresponding pseudo text for each image and then perform the retrieval in a supervised manner. In the generation stage, we propose a fine-grained image captioning strategy to obtain an enriched description of the person image, which firstly utilizes a set of instruction prompts to activate the off-the-shelf pretrained vision-language model to capture and generate fine-grained person attributes, and then converts the extracted attributes into a textual description via the finetuned large language model or the hand-crafted template. In the retrieval stage, considering the noise interference of the generated texts for training model, we develop a confidence score-based training scheme by enabling more reliable texts to contribute more during the training. Experimental results on multiple TBPS benchmarks (i.e., CUHK-PEDES, ICFG-PEDES and RSTPReid) show that the proposed GTR can achieve a promising performance without relying on parallel image-text data.
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
6秒前
爱静静应助科研通管家采纳,获得10
9秒前
爆米花应助科研通管家采纳,获得10
9秒前
爱静静应助科研通管家采纳,获得10
9秒前
爱静静应助科研通管家采纳,获得10
9秒前
二三发布了新的文献求助10
11秒前
12秒前
12秒前
14秒前
zh完成签到,获得积分20
18秒前
糊涂涂发布了新的文献求助10
19秒前
xxbb发布了新的文献求助10
22秒前
27秒前
鹏程万里完成签到,获得积分10
28秒前
祥瑞发布了新的文献求助10
31秒前
贪玩的谷芹完成签到 ,获得积分10
33秒前
飘逸的平松完成签到 ,获得积分10
36秒前
40秒前
慕青应助二三采纳,获得10
43秒前
linggle发布了新的文献求助10
44秒前
47秒前
喝可乐的萝卜兔完成签到 ,获得积分10
47秒前
Hongbin发布了新的文献求助10
49秒前
爆米花应助牛犊采纳,获得10
50秒前
健忘的寻菱完成签到 ,获得积分10
50秒前
52秒前
二三发布了新的文献求助10
53秒前
1分钟前
1分钟前
CipherSage应助maher采纳,获得30
1分钟前
Captain发布了新的文献求助10
1分钟前
1分钟前
jfuU发布了新的文献求助10
1分钟前
祥瑞发布了新的文献求助10
1分钟前
追寻念云完成签到 ,获得积分10
1分钟前
欧阳蛋蛋鸡完成签到 ,获得积分10
1分钟前
Captain完成签到,获得积分10
1分钟前
QQQQY发布了新的文献求助30
1分钟前
行云流水完成签到,获得积分10
1分钟前
负责惊蛰完成签到 ,获得积分10
1分钟前
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 3126036
求助须知:如何正确求助?哪些是违规求助? 2776256
关于积分的说明 7729605
捐赠科研通 2431643
什么是DOI,文献DOI怎么找? 1292200
科研通“疑难数据库(出版商)”最低求助积分说明 622582
版权声明 600392