基于K个主概念的数据集摘要

我们提出了用于数据集摘要的K个主概念识别新任务。目标是找到一组最佳解释数据集内变化的K个概念。概念是高层人类可解释术语，如“老虎”、“皮划艇”或“快乐”。K个概念从（可能很长的）候选输入列表中选择，我们称之为概念库。概念库可取自通用词典或由特定任务的先验知识构建。使用图像-语言嵌入方法（例如CLIP）将图像与概念库映射到共享特征空间。为选择最佳解释数据的K个概念，我们将问题表述为K-无容量限制设施选址问题。采用高效优化技术将局部搜索算法扩展至非常大的概念库。我们方法的输出是一组摘要数据集的K个主概念。与选择K张代表性图像（通常含糊不清）相比，我们的方法提供了更明确的摘要。作为我们方法的进一步应用，K个主概念可用于将数据集分类为K组。大量实验证明了我们方法的有效性。