用于高效图像检索的双编码器级联
信息检索
2023-08-07 v2
摘要
现代神经编码器提供了前所未有的文本-图像检索（TIR）精度，但其高计算成本阻碍了在大规模图像检索中的采用。为降低该成本，模型级联使用昂贵编码器来精炼廉价编码器的排序。然而，现有级联算法聚焦于交叉编码器（联合处理文本-图像对），而未考虑双编码器（分别处理文本与图像）的级联。我们引入小世界检索场景作为一种现实设定，其中双编码器级联可降低开销。随后我们提出一种级联算法，利用小世界检索场景来降低 TIR 系统的图像编码全生命周期成本。我们的实验显示成本降低达 6 倍。
引用
@article{arxiv.2303.15595,
title = {Bi-Encoder Cascades for Efficient Image Search},
author = {Robert Hönig and Jan Ackermann and Mingyuan Chi},
journal= {arXiv preprint arXiv:2303.15595},
year = {2023}
}
备注
Under review as a short paper at the ICCV '23 RCV workshop