穿越PRISm：基于重要性预测的语义图图像检索
计算机视觉与模式识别
2025-12-23 v1
摘要
准确检索语义相似的图像仍是计算机视觉中的一个基本挑战，因为传统方法往往无法捕捉场景中关系和语境细微差别。我们提出PRISm（基于语义图上的重要性预测进行修剪的图像检索），这是一款多模态框架，通过两种新颖组件推进图像到图像的检索。第一，重要性预测模块识别并保留图像中最关键的对象和关系三元组，同时修剪无关元素。第二，边缘感知图神经网络显式编码关系结构并整合全局视觉特征，以生成语义信息丰富的图像嵌入。PRISm通过显式建模对象及其相互作用的语义重要性，实现了接近人类感知的图像检索，这在先前方法中几乎不存在。其架构有效地将关系推理与视觉表征结合起来，实现了语义导向的检索。广泛的实验在基准数据集和真实世界数据集上都表现出一致的领先排名表现，而定性分析显示，PRISm准确捕捉关键对象和交互，产生可解释且语义意义明确的结果。
引用
@article{arxiv.2512.18407,
title = {Through the PRISm: Importance-Aware Scene Graphs for Image Retrieval},
author = {Dimitrios Georgoulopoulos and Nikolaos Chaidos and Angeliki Dimitriou and Giorgos Stamou},
journal= {arXiv preprint arXiv:2512.18407},
year = {2025}
}
备注
10 pages, 5 figures