DUDE：基于扩散模型的无监督跨域图像检索
计算机视觉与模式识别
2025-09-05 v1 机器学习
摘要
无监督跨域图像检索（UCIR）旨在不依赖标注的情况下，检索跨不同领域的同类图像。现有的 UCIR 方法对整幅图像进行跨域特征对齐，往往难以应对域间差距，因为对检索至关重要的物体特征常与特定域的风格纠缠在一起。为应对这一挑战，我们提出了一种基于特征解耦的新型 UCIR 方法 DUDE。简而言之，DUDE 利用文本到图像生成模型将物体特征与特定域的风格解耦，从而促进语义图像检索。为进一步实现对解耦后物体特征的可靠对齐，DUDE 以渐进方式对齐从域内到跨域的互近邻。大量实验表明，DUDE 在三个基准数据集的 13 个领域上取得了 SOTA 性能。代码将予发布。
引用
@article{arxiv.2509.04193,
title = {DUDE: Diffusion-Based Unsupervised Cross-Domain Image Retrieval},
author = {Ruohong Yang and Peng Hu and Yunfan Li and Xi Peng},
journal= {arXiv preprint arXiv:2509.04193},
year = {2025}
}