用于电影检索的图 Wasserstein 相关分析
机器学习
2020-08-07 v1 机器学习
摘要
电影图在以人为中心的检索中起到连接视频与文本异质模态的重要桥梁作用。本工作中，我们提出图 Wasserstein 相关分析（GWCA）来处理其中的核心问题，即跨异质图比较。引入谱图滤波来编码图信号，随后将其作为概率分布嵌入 Wasserstein 空间，称为图 Wasserstein 度量学习。这种图信号滤波与度量学习的无缝结合在两类学习过程中产生令人惊讶的一致性：度量学习的目标恰是优化信号滤波器，反之亦然。进一步，我们将图比较模型的解推导为一个经典的广义特征值分解问题，其具有精确的闭式解。最后，将 GWCA 与电影/文本图生成统一到电影检索框架中以评估我们所提方法。在 MovieGrpahs 数据集上的大量实验证明了我们的 GWCA 及整个框架的有效性。
引用
@article{arxiv.2008.02648,
title = {Graph Wasserstein Correlation Analysis for Movie Retrieval},
author = {Xueya Zhang and Tong Zhang and Xiaobin Hong and Zhen Cui and Jian Yang},
journal= {arXiv preprint arXiv:2008.02648},
year = {2020}
}