arrow
返回

CLIP-based knowledge projector for image–text matching

delete2025-08-23
delete0
PRE
AI
X
Xinfeng Dong
D
Dingwen Zhang
L
Longfei Han
M
Ming Jin *
刘
刘丽 (Li Liu)
J
Junwei Han
DOI:10.1016/j.ipm.2025.104357delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 我们提出了一种知识投影网络,该网络将CLIP(Radford et al., 2021)中的先验知识视为教师,以指导槽注意力生成过程。 • 使用了一个自适应加权融合模块,用于将全局特征融入槽表示中。 • 提出了一种有效的相似度计算方法,用于与细粒度图像-文本匹配方法进行比较。结果表明,我们的方法优于CLIP和最新的图像-文本对齐算法。
Keyword:
Image–text matching
Multimedia analysis
Slot attention

期刊

I
Information Processing and Management
IF:
6.9
论文数:
5.2K
被引数:
1.4W

机构

B
Beijing Technology and Business University
学者数:
4.1K
论文数: 1.7K
被引数: 1.6W
N
Northwestern Polytechnical University
学者数:
4.6W
论文数: 3.7W
被引数: 5.3W
S
shandong normal university
学者数:
1.0W
论文数: 8.2K
被引数: 3
学者 查看更多机构
引用论文

引用论文

SCOUTER: Slot Attention-based Classifier for Explainable Image Recognition
err2021-10-01
err0
errOAAI
errLiangzhi Li; Bowen Wang; Manisha Verma; Yuta Nakashima; Ryo Kawasaki; Hajime Nagahara
err分享
err收藏
err分享
err收藏
UC2: Universal Cross-lingual Cross-modal Vision-and-Language Pre-training
err2021-06-01
err0
errOAAI
errMingyang Zhou; Luowei Zhou; Shuohang Wang; Yu Cheng; Linjie Li; Zhou Yu; Jingjing Liu
err分享
err收藏
Rare-aware attention network for image-text matching
err2023-05-01
err11
PREAI
errWang, Yan; Su, Yuting; Li, Wenhui; Sun, Zhengya; Wei, Zhiqiang; Nie, Jie; Li, Xuanya; Liu, An-An
err分享
err收藏
err分享
err收藏
学者 查看更多内容