Patch-wise 检索：实例级匹配的实用技术包
计算机视觉与模式识别
2025-12-16 v1 信息检索
摘要
实例级图像检索旨在寻找包含与给定查询相同物体的图像，尽管两者在尺寸、位置或外观上存在差异。为解决这一具有挑战性的任务，我们提出了一种名为 Patchify 的简单而有效的基于块的检索框架，具备高性能、可扩展性和可解释性，无需微调。Patchify 将每个数据库图像划分为少数量的结构化块，通过比较这些局部特征与全局查询描述符来实现检索，从而实现准确且具有空间定位的匹配。为评估不仅检索精度，还要空间正确性，我们引入了 LocScore 指标，对检索区域是否与目标物体对齐进行量化，这使 LocScore 成为理解和改进检索行为的有价值诊断工具。我们在多个基准、不同主干网络和区域选择策略上进行了大量实验，表明 Patchify 在全球方法上优于后续排序管道。此外，我们应用产品量化实现高效大规模检索，并强调在压缩过程中使用信息丰富的特征具有重要意义，显著提升性能。项目网站：https://wons20k.github.io/PatchwiseRetrieval/
引用
@article{arxiv.2512.12610,
title = {Patch-wise Retrieval: A Bag of Practical Techniques for Instance-level Matching},
author = {Wonseok Choi and Sohwi Lim and Nam Hyeon-Woo and Moon Ye-Bin and Dong-Ju Jeong and Jinyoung Hwang and Tae-Hyun Oh},
journal= {arXiv preprint arXiv:2512.12610},
year = {2025}
}
备注
WACV 2026