以交互学习扩展跨模态检索以提升取证中图像检索性能
信息检索
2023-08-30 v1 人机交互
摘要
如今，取证领域的关键挑战之一是分析海量非结构化数字证据（如图像）。非结构化数字证据常含取证调查宝贵信息，因此能有效识别取证相关图像的系统至关重要。本工作中，我们探究交互学习在提升取证域图像检索性能上的有效性，提出Excalibur——一个以交互学习扩展的零样本跨模态图像检索系统。Excalibur通过仿真与用户研究评估。仿真显示交互学习对提升取证域检索性能极为有效；用户研究参与者亦能有效运用交互学习之力，并认为Excalibur高效且易用，表达在日常工作中使用的兴趣。
引用
@article{arxiv.2308.14786,
title = {Extending Cross-Modal Retrieval with Interactive Learning to Improve Image Retrieval Performance in Forensics},
author = {Nils Böhne and Mark Berger and Ronald van Velzen},
journal= {arXiv preprint arXiv:2308.14786},
year = {2023}
}
备注
Submitted to the AAAI22 conference