摘要
这是无监督跨模态的一个早期的工作,之前的无监督方法主要考虑拉近属于同一对象的两两关系。而我们的方法不仅考虑了pairwise关系,也考虑了同模态和不同模态的距离。
我们的方法主要包括四个部分:
1,去噪自编码器。取出SIFT提取特征中的噪声。
2,全面的保持距离的公共空间。学习公共空间,使得模态内和模态间的信息在这个公共空间得到保持。
3,共同的损失函数。去噪损失函数+pair的损失+不pair的与原空间对比的损失。
4,一种无监督的跨模态相似度度量方式。
提出方法
-
去噪自编码器
满足,
后面的时候,用的是简化的F.
-
综合保持距离的公共空间
1 - 余弦相似度表示距离:
pair的相似度:
不pair的模间相似度:
满足,
不pair的模内相似度:
-
联合损失函数
-
无监督度量方式
分别代表 v 和 t 的 k 个最近邻点。
P在这里代表相似度。
(这里区别DGCPN,DGCPN里面把v和t糅合成一个节点,然后取k近邻,这里是分别对v和t取k近邻。)