Core Concepts
提案された新しい抽象化意識型スケッチベース画像検索フレームワークは、さまざまなレベルのスケッチ抽象化を処理する能力を持っています。
Abstract
この論文では、スケッチ抽象化に焦点を当て、新しい特徴レベルと検索粒度レベルの設計を提案しています。StyleGANの豊かな意味埋め込みと新しい抽象レベルマッパーを活用して、異なる抽象化レベルに適応できる特徴行列埋め込みを学習します。また、Acc.@qロスを導入して異なる抽象化レベルに対応するようにします。実験では、既存の最先端技術を凌駕し、早期検索やフォトマッチングなどの難しいシナリオでも優れた性能を示すことが示されています。
セグメント:
抽象化問題へのアプローチ
スケッチは多様な抽象度を示す。
提案手法は異なる抽象度に適応可能。
バックボーンとエンコーダー
StyleGANから得られた知識を利用した再構成ロス。
検索粒度認識
異なる粒度での検索結果。
実験結果
他手法と比較して高い性能。
Stats
提案手法はAcc.@1で45.3%の精度向上を達成。
スタイル変動や部分的/早期検索にも対応可能。
Quotes
"提案された新しい抽象化意識型スケッチベース画像検索フレームワークは、さまざまなレベルのスケッチ抽象化を処理する能力を持っています。"
"Extensive experiments depict our method to outperform existing state-of-the-arts in standard SBIR tasks along with challenging scenarios like early retrieval, forensic sketch-photo matching, and style-invariant retrieval."