少画多得：基于细粒度草图的即时图像检索
计算机视觉与模式识别
2020-05-13 v4
摘要
细粒度基于草图的图像检索（FG-SBIR）解决给定用户查询草图检索特定照片实例的问题。然而其广泛适用性受限于绘图耗时，且大多数人难以画出完整而忠实的草图。本文重构传统FG-SBIR框架以应对这些挑战，最终目标是以尽可能少的笔画数检索到目标照片。我们进一步提出一种即时设计，在用户开始绘图时即启动检索。为此，我们设计了一个基于强化学习的跨模态检索框架，直接优化完整草图绘制过程中的真值照片排序。此外，我们引入一种新颖的奖励方案，规避与无关草图笔画相关的问题，从而在检索中提供更一致的排序列表。在两个公开细粒度草图检索数据集上，我们相比最先进方法与替代基线取得了更优的早期检索效率。
引用
@article{arxiv.2002.10310,
title = {Sketch Less for More: On-the-Fly Fine-Grained Sketch Based Image Retrieval},
author = {Ayan Kumar Bhunia and Yongxin Yang and Timothy M. Hospedales and Tao Xiang and Yi-Zhe Song},
journal= {arXiv preprint arXiv:2002.10310},
year = {2020}
}
备注
IEEE Conf. on Computer Vision and Pattern Recognition (CVPR), 2020 [Oral Presentation] Code: https://github.com/AyanKumarBhunia/on-the-fly-FGSBIR