iQPP：一种图像查询性能预测基准
计算机视觉与模式识别
2023-04-11 v3 信息检索
摘要
迄今为止，基于内容的图像检索中的查询性能预测（QPP）在很大程度上仍是一项未被充分探索的任务，尤其在以图像为查询的按例查询场景中。为推动图像检索中 QPP 任务的探索，我们提出了首个图像查询性能预测基准（iQPP）。首先，我们建立了四个数据集（PASCAL VOC 2012、Caltech-101、ROxford5k 和 RParis6k），并使用两种最先进的图像检索模型，以平均精度或 precision@k 估计每个查询的真实难度。接着，我们提出并评估了新颖的检索前与检索后查询性能预测器，将其与已有的或改编的（从文本到图像）预测器进行比较。实证结果表明，大多数预测器不能跨评估场景泛化。我们全面的实验表明 iQPP 是一个具有挑战性的基准，揭示了未来工作需解决的重要研究空白。我们在 https://github.com/Eduard6421/iQPP 开源了代码与数据，以促进未来研究。
引用
@article{arxiv.2302.10126,
title = {iQPP: A Benchmark for Image Query Performance Prediction},
author = {Eduard Poesina and Radu Tudor Ionescu and Josiane Mothe},
journal= {arXiv preprint arXiv:2302.10126},
year = {2023}
}
备注
Accepted at SIGIR 2023