基于 ViT CLIP 的开放世界图像检索通用图像描述子
计算机视觉与模式识别
2022-10-21 v1 人工智能
摘要
Google 通用图像嵌入（GUIE）挑战赛是面向真实场景中多领域图像表示的首批竞赛之一，覆盖了广泛的物体分布：地标、艺术品、食物等。这是一个基础的计算机视觉问题，在图像检索、搜索引擎和电子商务中有显著应用。在这项工作中，我们阐述了获得 GUIE 挑战赛第 4 名的方案，以及我们用于微调使用 CLIP 预训练的零样本 Vision Transformers（ViT）的“技巧集”。
引用
@article{arxiv.2210.11141,
title = {General Image Descriptors for Open World Image Retrieval using ViT CLIP},
author = {Marcos V. Conde and Ivan Aerlic and Simon Jégou},
journal= {arXiv preprint arXiv:2210.11141},
year = {2022}
}
备注
ECCV 2022 Instance-Level Recognition Workshop