基于迭代精炼的增量图像标注
计算机视觉与模式识别
2023-04-19 v1
摘要
数据质量对多媒体任务至关重要，而如近期工作所讨论，图像基准数据集中存在各类系统性缺陷。特别是，语义鸿沟问题的存在导致从图像中提取的信息与其语言描述之间呈多对多映射。这种不可避免的偏差进一步导致当前计算机视觉任务性能不佳。为解决此问题，我们引入一种基于知识表示（KR）的方法，为标注过程提供指导准则，从而间接在ML模型中引入预期语义。具体而言，提出一种基于迭代精炼的标注方法，通过依据视觉属性将对象组织在分类层次结构中来优化数据标注，确保其与语言描述相对齐。初步结果验证了所提方法的有效性。
引用
@article{arxiv.2304.08989,
title = {Incremental Image Labeling via Iterative Refinement},
author = {Fausto Giunchiglia and Xiaolei Diao and Mayukh Bagchi},
journal= {arXiv preprint arXiv:2304.08989},
year = {2023}
}