研究人员引入了一个名为分层细粒度跨模态对齐(HFCMA)的新框架,以改进图文检索。该方法动态发现语义单元,将原始图像块和文本标记转换为自适应的视觉区域和文本短语。HFCMA然后使用熵正则化最优传输方法来匹配这些区域和短语,并结合背景去偏和文本重要性加权,以实现更准确的对齐。在Flickr30K和MS-COCO数据集上的实验表明,HFCMA在区分细微语义差异和提高检索准确性方面非常有效。 AI
影响 通过实现对视觉和文本语义更细致的理解,增强了细粒度图文检索。
排序理由 这是一篇研究论文,详细介绍了一个针对特定AI任务(图文检索)的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →