题目:Self-Training Boosted Multi-Factor Matching Network for Composed Image Retrieval
自训练增强的多因素匹配网络在合成图像检索中的应用
作者:Haokun Wen; Xuemeng Song; Jianhua Yin; Jianlong Wu; Weili Guan; Liqiang Nie
摘要
图像组合检索(CIR)任务旨在为给定的多模态查询检索所需的目标图像,即带有对应修改文本的参考图像。现有方法主要存在两个局限性:1)忽视了多个查询-目标匹配因素;2)忽略了现有基准数据集中潜在的未标记参考-目标图像对。解决这些局限性具有挑战性,因为:1)需要在没有直接监督信号的情况下有效建模多个匹配因素;2)需要利用未标记的参考-目标图像对来提高CIR模型的泛化能力。为了应对这些挑战,我们首先提出了一个基于CLIP-Transformer的多因素匹配网络(LIMN),它包括三个关键模块:基于解耦的潜在因子令牌挖掘、基于双重聚合的匹配令牌学习和双重查询-目标匹配建模。随后,我们设计了一种迭代的双重自训练范式,通过以弱监督方式充分利用潜在的未标记参考-目标图像对,进一步提高LIMN的性能。具体来说&#