LRVS-Fashion：以指代指令扩展视觉搜索
计算机视觉与模式识别
2024-05-16 v3
摘要
本文针对时尚领域的图像相似度搜索提出了一项新挑战，解决了该领域因复杂图像而产生的固有模糊性。我们提出了指代视觉搜索（RVS）任务，允许用户更精确地定义所需的相似度，这符合业界近期的兴趣。我们发布了一个专为该任务设计的大型公开数据集LRVS-Fashion，包含从时尚目录中提取的272k个时尚商品和842k张图像。然而，与业界传统的视觉搜索方法不同，我们证明通过绕过显式目标检测并采用图像元组的弱监督条件对比学习，可以取得更优性能。我们的方法轻量且表现出鲁棒性，在200万干扰项下以召回率@1优于基于检测的强基线。数据集可在 https://huggingface.co/datasets/Slep/LAION-RVS-Fashion 获取。
引用
@article{arxiv.2306.02928,
title = {LRVS-Fashion: Extending Visual Search with Referring Instructions},
author = {Simon Lepage and Jérémie Mary and David Picard},
journal= {arXiv preprint arXiv:2306.02928},
year = {2024}
}
备注
29 pages, 14 figures, 5 tables