Towards Fast and Accurate Image-Text Retrieval With Self-Supervised Fine-Grained Alignment

计算机科学 图像检索 人工智能 情报检索 图像(数学) 图像自动标注 模式识别(心理学) 计算机视觉
作者
Jiamin Zhuang,Jing Yu,Yang Ding,Xiangyan Qu,Yue Hu
出处
期刊:IEEE Transactions on Multimedia [Institute of Electrical and Electronics Engineers]
卷期号:26: 1361-1372 被引量:2
标识
DOI:10.1109/tmm.2023.3280734
摘要

Image-text retrieval requires the system to bridge the heterogenous gap between vision and language for accurate retrieval while keeping the network lightweight-enough for efficient retrieval. Existing trade-off solutions mainly study from the view of incorporating cross-modal interactions with the independent-embedding framework or leveraging stronger pretrained encoders, which still demand time-consuming similarity measurement or heavyweight model structure in the retrieval stage. In this work, we propose an image-text alignment module SelfAlign on top of the independent-embedding framework, which improves the retrieval accuracy while maintains the retrieval efficiency without extra supervision. SelfAlign contains two collaborative sub-modules that force image-text alignment at both concept level and context level by self-supervised contrastive learning. It does not require cross-modal embedding interactions during training while maintaining independent image and text encoders during retrieval. With comparable time cost, SelfAlign consistently boosts the accuracy of state-of-the-art non-pretraining independent-embedding models respectively by 9.1%, 4.2% and 6.6% in terms of R@sum score on Flickr30K, MSCOCO 1K and MS-COCO 5K datasets. The retrieval accuracy also outperforms most existing interactive-embedding models with orders of magnitude decrease in retrieval time. The source code is available at: https://github.com/Zjamie813/SelfAlign.
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
包容成败完成签到,获得积分10
2秒前
小宋完成签到,获得积分10
2秒前
小凉完成签到 ,获得积分10
2秒前
包容成败发布了新的文献求助10
5秒前
LXZ完成签到,获得积分10
5秒前
18秒前
卡农完成签到,获得积分10
18秒前
19秒前
21秒前
NexusExplorer应助dpp采纳,获得10
22秒前
klyang完成签到,获得积分10
22秒前
科研小菜鸡完成签到 ,获得积分10
25秒前
wwl发布了新的文献求助10
25秒前
27秒前
27秒前
拉卡拉ah发布了新的文献求助10
29秒前
31秒前
诗蕊完成签到 ,获得积分0
31秒前
QQ发布了新的文献求助10
32秒前
Miyazonox发布了新的文献求助10
34秒前
35秒前
35秒前
36秒前
科目三应助科研小菜鸡采纳,获得10
37秒前
37秒前
踏实凡梦完成签到,获得积分10
41秒前
踏实的惋庭完成签到,获得积分20
42秒前
jiayoujijin发布了新的文献求助10
42秒前
42秒前
薰硝壤应助wangayting采纳,获得10
43秒前
情怀应助科研通管家采纳,获得10
44秒前
不配.应助科研通管家采纳,获得20
44秒前
superxiao应助科研通管家采纳,获得10
44秒前
44秒前
科研通AI2S应助科研通管家采纳,获得10
44秒前
科研通AI2S应助科研通管家采纳,获得10
44秒前
科目三应助科研通管家采纳,获得10
44秒前
传奇3应助科研通管家采纳,获得10
44秒前
赘婿应助科研通管家采纳,获得10
44秒前
科研通AI2S应助科研通管家采纳,获得10
44秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
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 3141210
求助须知:如何正确求助?哪些是违规求助? 2792192
关于积分的说明 7801885
捐赠科研通 2448394
什么是DOI,文献DOI怎么找? 1302521
科研通“疑难数据库(出版商)”最低求助积分说明 626638
版权声明 601237