用于草图图像检索的紧凑且有效的表示
计算机视觉与模式识别
2021-04-22 v1
摘要
草图图像检索(SBIR)在计算机视觉领域引起了越来越多的关注,对实际应用产生了重大影响。例如,SBIR 为电子商务搜索引擎带来了更大的益处,因为它允许用户仅通过绘制他们需要购买的商品来构建查询。然而,当前在检索中表现出高精度的方案工作在高维空间中,这对内存消耗和处理时间等方面产生了负面影响。尽管一些作者也提出了紧凑表示,但这些表示在低维下会急剧降低性能。因此,在本工作中,我们展示了在草图图像检索背景下评估生成紧凑嵌入方法的不同结果。我们的主要兴趣在于旨在保持原始空间局部结构的策略。最近的无监督局部拓扑保持降维方法 UMAP 符合我们的要求,并展现出卓越的性能,甚至超越了 SOTA 方法所达到的精度。我们在两个不同的数据集上评估了六种方法。我们使用 Flickr15K 和电子商务数据集;后者是这项工作的另一项贡献。我们表明,UMAP 使我们能够获得 16 字节的特征向量,并将精度提高 35% 以上。
引用
@article{arxiv.2104.10278,
title = {Compact and Effective Representations for Sketch-based Image Retrieval},
author = {Pablo Torres and Jose M. Saavedra},
journal= {arXiv preprint arXiv:2104.10278},
year = {2021}
}