Fugu-MT 論文翻訳(概要): Scaling Cross-Domain Content-Based Image Retrieval for E-commerce Snap and Search Application

論文の概要: Scaling Cross-Domain Content-Based Image Retrieval for E-commerce Snap and Search Application

arxiv url: http://arxiv.org/abs/2204.11593v1
Date: Wed, 13 Apr 2022 16:41:42 GMT
ステータス: 処理完了
システム内更新日: 2022-05-01 09:26:47.980989
Title: Scaling Cross-Domain Content-Based Image Retrieval for E-commerce Snap and Search Application
Title（参考訳）: Eコマーススナップと検索アプリケーションのためのクロスドメインコンテンツベース画像検索のスケーリング
Authors: Isaac Kwan Yin Chung, Minh Tran, and Eran Nussinovitch
Abstract要約: 本稿では,eコマース利用のためのデータのスケールと,クエリとギャラリーの画像プールのドメイン間特性を扱うシステムを提案する。実世界のeコマーススナップおよび検索ユースケースに適用されたアプローチと、そのランク付けと遅延性能への影響について紹介する。
参考スコア（独自算出の注目度）: 0.30586855806896046
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this industry talk at ECIR 2022, we illustrate how we approach the main challenges from large scale cross-domain content-based image retrieval using a cascade method and a combination of our visual search and classification capabilities. Specifically, we present a system that is able to handle the scale of the data for e-commerce usage and the cross-domain nature of the query and gallery image pools. We showcase the approach applied in real-world e-commerce snap and search use case and its impact on ranking and latency performance.
Abstract（参考訳）: 本稿では、ECIR 2022における業界講演で、カスケード法と視覚検索と分類機能の組み合わせを用いて、大規模なクロスドメインコンテンツベースの画像検索の主な課題にどのようにアプローチするかを説明する。具体的には、eコマース利用のためのデータのスケールと、クエリとギャラリーの画像プールのドメイン間特性を扱うことができるシステムを提案する。実世界のeコマーススナップおよび検索ユースケースに適用されたアプローチと、そのランク付けと遅延性能への影響について紹介する。

関連論文リスト

A Generative Approach for Wikipedia-Scale Visual Entity Recognition [56.55633052479446]
与えられたクエリ画像をWikipediaにある600万の既存エンティティの1つにマッピングするタスクに対処する。本稿では,対象エンティティを識別する「意味的・識別的コード」の自動復号化を学習する,新しい生成エンティティ認識フレームワークを紹介する。
論文参考訳（メタデータ） (2024-03-04T13:47:30Z)
Object-Centric Open-Vocabulary Image-Retrieval with Aggregated Features [12.14013374452918]
本稿では,オブジェクト中心のオープン語彙画像検索に対して,シンプルながら効果的なアプローチを提案する。提案手法は,CLIPから抽出した濃密な埋め込みをコンパクトな表現に集約する。 3つのデータセットのグローバルな特徴的アプローチよりもはるかに優れた結果を得ることで,タスクに対する提案手法の有効性を示す。
論文参考訳（メタデータ） (2023-09-26T15:13:09Z)
Integrating Visual and Semantic Similarity Using Hierarchies for Image Retrieval [0.46040036610482665]
視覚的階層構造を用いて視覚的および意味的類似性の両方をキャプチャするCBIRの手法を提案する。階層構造は、分類のために訓練されたディープニューラルネットワークの潜在空間に重複する特徴を持つクラスをマージすることによって構築される。本手法は,既存の画像検索手法と比較して優れた性能を実現する。
論文参考訳（メタデータ） (2023-08-16T15:23:14Z)
Improving Image Recognition by Retrieving from Web-Scale Image-Text Data [68.63453336523318]
本稿では,メモリから抽出した各サンプルの重要性を学習するアテンションベースのメモリモジュールを提案する。既存の手法と比較して,提案手法は無関係な検索例の影響を排除し,入力クエリに有益であるものを保持する。我々は、ImageNet-LT、Places-LT、Webvisionのデータセットで最先端の精度を実現していることを示す。
論文参考訳（メタデータ） (2023-04-11T12:12:05Z)
Progressive Learning for Image Retrieval with Hybrid-Modality Queries [48.79599320198615]
ハイブリッドモダリティクエリによる画像検索(CTI-IR) 我々は、CTI-IRタスクを3段階の学習問題に分解し、ハイブリッドモダリティクエリを用いて画像検索のための複雑な知識を段階的に学習する。提案モデルは,Fashion-IQおよびShoesベンチマークデータセットにおいて,Recall@K平均の最先端手法を24.9%,9.5%向上させる。
論文参考訳（メタデータ） (2022-04-24T08:10:06Z)
Contextual Similarity Aggregation with Self-attention for Visual Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文参考訳（メタデータ） (2021-10-26T06:20:31Z)
WEDGE: Web-Image Assisted Domain Generalization for Semantic Segmentation [72.88657378658549]
本稿では,Web画像の多様性を一般化可能なセマンティックセグメンテーションに活用したWEb画像支援ドメインゲネラライゼーション手法を提案する。また,ウェブクローラー画像のスタイルをトレーニング中のトレーニング画像に注入する手法を提案する。
論文参考訳（メタデータ） (2021-09-29T05:19:58Z)
An Automatic Image Content Retrieval Method for better Mobile Device Display User Experiences [91.3755431537592]
モバイル端末向け画像コンテンツ検索と分類のための新しいモバイルアプリケーションを提案する。このアプリケーションは何千もの写真で実行され、モバイルディスプレイでより良いユーザー視覚体験を実現するための励ましの成果を見せた。
論文参考訳（メタデータ） (2021-08-26T23:44:34Z)
Visual Search at Alibaba [38.106392977338146]
Alibabaの大規模な画像収集と最先端のディープラーニング技術を活用して、大規模にビジュアル検索を行います。モデルと探索に基づく融合手法を導入し,カテゴリを効果的に予測する。ユーザクリック動作のマイニングによる共同検出と特徴学習のための深層CNNモデルを提案する。
論文参考訳（メタデータ） (2021-02-09T06:46:50Z)
Multi-Modal Retrieval using Graph Neural Networks [1.8911962184174562]
我々は、同じ高次元空間に埋め込まれた共同ビジョンと概念を学ぶ。視覚と概念の関係をグラフ構造としてモデル化する。また、選択的近傍接続に基づく新しい推論時間制御も導入する。
論文参考訳（メタデータ） (2020-10-04T19:34:20Z)
CBIR using features derived by Deep Learning [0.0]
CBIR(Content Based Image Retrieval)システムでは、クエリ画像が与えられた大きなデータベースから同様の画像を検索する。本稿では,大規模な画像分類問題に対して学習したディープラーニング畳み込みネットワークから,事前学習したネットワークモデルから派生した特徴を用いることを提案する。
論文参考訳（メタデータ） (2020-02-13T21:26:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。