用于图像重排序的判别性多视角特权信息学习
计算机视觉与模式识别
2018-08-15 v1 多媒体
摘要
传统的多视角重排序方法通常在查询图像中的感兴趣区域（ROI）与整个目标图像之间执行非对称匹配以计算相似度。由于视觉外观的不一致性，这种做法往往会降低检索精度，尤其是当通常被视为图像目标性的图像ROI在图像中占较小区域时。由于特权信息（PI）可视为图像先验，能够很好地刻画图像目标性，本文旨在利用PI进一步提升多视角重排序的精度。为此，我们提出了一种判别性多视角重排序方法，该方法将原始全局图像视觉内容与局部辅助PI特征同时整合到一个统一的训练框架中，以生成具有充分判别能力的潜在子空间。对于即时重排序，由于多视角PI特征不可用，我们仅将原始多视角图像表示投影到潜在子空间，从而可通过计算多视角嵌入到分离超平面的距离并排序来实现重排序。在Oxford5k和Paris6k两个公开基准上的大量实验评估表明，我们的方法为精确图像重排序提供了进一步的性能提升，而对比研究证明了我们的方法相对于其他多视角重排序方法的优势。
引用
@article{arxiv.1808.04437,
title = {Discriminative multi-view Privileged Information learning for image re-ranking},
author = {Jun Li and Chang Xu and Wankou Yang and Changyin Sun and Dacheng Tao and Hong Zhang},
journal= {arXiv preprint arXiv:1808.04437},
year = {2018}
}