論文の概要: Boundary-aware Backward-Compatible Representation via Adversarial Learning in Image Retrieval

• arxiv url: http://arxiv.org/abs/2305.02610v1
• Date: Thu, 4 May 2023 07:37:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 16:39:01.596209
• Title: Boundary-aware Backward-Compatible Representation via Adversarial Learning in Image Retrieval
• Title（参考訳）: 画像検索における逆学習による境界認識型後方対応表現
• Authors: Tan Pan, Furong Xu, Xudong Yang, Sifeng He, Chen Jiang, Qingpei Guo, Feng Qian Xiaobo Zhang, Yuan Cheng, Lei Yang, Wei Chu
• Abstract要約: 後方互換性トレーニング(BCT)は、検索性能に悪影響を与えることなく、2つのモデルの互換性を改善する。 本稿では,弾性境界制約付き逆向き学習法AdvBCTを紹介する。 本手法は,互換性と差別性の両方において,他のBCT法よりも優れる。
• 参考スコア（独自算出の注目度）: 17.995993499100017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image retrieval plays an important role in the Internet world. Usually, the core parts of mainstream visual retrieval systems include an online service of the embedding model and a large-scale vector database. For traditional model upgrades, the old model will not be replaced by the new one until the embeddings of all the images in the database are re-computed by the new model, which takes days or weeks for a large amount of data. Recently, backward-compatible training (BCT) enables the new model to be immediately deployed online by making the new embeddings directly comparable to the old ones. For BCT, improving the compatibility of two models with less negative impact on retrieval performance is the key challenge. In this paper, we introduce AdvBCT, an Adversarial Backward-Compatible Training method with an elastic boundary constraint that takes both compatibility and discrimination into consideration. We first employ adversarial learning to minimize the distribution disparity between embeddings of the new model and the old model. Meanwhile, we add an elastic boundary constraint during training to improve compatibility and discrimination efficiently. Extensive experiments on GLDv2, Revisited Oxford (ROxford), and Revisited Paris (RParis) demonstrate that our method outperforms other BCT methods on both compatibility and discrimination. The implementation of AdvBCT will be publicly available at https://github.com/Ashespt/AdvBCT.
• Abstract（参考訳）: 画像検索はインターネット世界で重要な役割を果たす。 通常、主流のビジュアル検索システムの中核となる部分は、埋め込みモデルのオンラインサービスと大規模なベクトルデータベースである。 従来のモデルアップグレードでは、データベース内のすべてのイメージの埋め込みが、大量のデータに数日から数週間かかる新しいモデルによって再計算されるまで、古いモデルは、新しいモデルに置き換えられません。 最近、後方互換性のあるトレーニング(BCT)により、新しいモデルを、古いモデルと直接比較して、即座にオンラインにデプロイできるようになりました。 bctの場合、検索性能に悪影響を及ぼさない2つのモデルの互換性を改善することが重要な課題である。 本稿では,互換性と識別を考慮に入れた弾性境界制約を持つ逆向型後方互換性トレーニング手法であるadvbctを提案する。 まず,新しいモデルの埋め込みと古いモデルとの分布格差を最小化するために,逆学習を用いる。 一方, 学習中に弾性境界制約を加え, 適合性と識別性を向上させる。 GLDv2、Revisited Oxford(ROxford)、Revisited Paris(RParis)の広範な実験により、我々の手法は互換性と差別の両方において他のBCT法よりも優れていることが示された。 AdvBCTの実装はhttps://github.com/Ashespt/AdvBCTで公開される。

関連論文リスト

• Towards Cross-modal Backward-compatible Representation Learning for Vision-Language Models [44.56258991182532]
  後方互換性トレーニング(BT)は、新しいモデルが古いモデルの埋め込みと整合することを保証するために提案されている。 本稿では、視覚のみのBTの概念を、クロスモーダル検索の分野に拡張する。 本稿では,新しいモデルの埋め込みを古いモデルにマッピングするプロジェクションモジュールを提案する。
  論文  参考訳（メタデータ） (2024-05-23T15:46:35Z)
• MixBCT: Towards Self-Adapting Backward-Compatible Training [66.52766344751635]
  そこで本研究では,単純かつ高効率な後方互換性学習法であるMixBCTを提案する。 大規模顔認識データセットMS1Mv3とIJB-Cについて実験を行った。
  論文  参考訳（メタデータ） (2023-08-14T05:55:38Z)
• Learning Backward Compatible Embeddings [74.74171220055766]
  バージョン更新の組込み問題と後方互換性について検討する。 後方互換性のある埋め込みの学習に基づくソリューションを開発する。 BC-Alignerと呼ばれる最良のメソッドは、複数のモデルバージョンが更新された後も、意図しないタスクとの後方互換性を維持していることを示す。
  論文  参考訳（メタデータ） (2022-06-07T06:30:34Z)
• R-DFCIL: Relation-Guided Representation Learning for Data-Free Class Incremental Learning [64.7996065569457]
  クラスインクリメンタルラーニング(Class-Incremental Learning, CIL)は、新しい知識を学ぶ際に、破滅的な忘れ方に苦しむ。 近年のDFCIL研究は、従来のクラスのデータ合成のためのモデル反転のような手法を導入している。 本稿では、R-DFCILと呼ばれるDFCILのための関係誘導型表現学習(RRL)を提案する。
  論文  参考訳（メタデータ） (2022-03-24T14:54:15Z)
• Forward Compatible Training for Representation Learning [53.300192863727226]
  後方互換トレーニング(BCT)は、新しいモデルのトレーニングを変更して、その表現を古いモデルのトレーニングと互換性を持たせる。 BCTは新しいモデルの性能を著しく損なう可能性がある。 本研究では,表現学習のための新しい学習パラダイムである,前方互換学習(FCT)を提案する。
  論文  参考訳（メタデータ） (2021-12-06T06:18:54Z)
• Learning Compatible Embeddings [4.926613940939671]
  新しいモデルをロールアウトする際の後方互換性は、コストを大幅に削減したり、既存のギャラリーイメージをインプロダクションのビジュアル検索システムに再エンコードしたりすることさえできる。 本稿では,クロスモデル互換性と,直接/前方/後方協調学習の両方に適用可能なLCE(Learning Compatible Embeddings)というフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-04T10:48:41Z)
• Towards Backward-Compatible Representation Learning [86.39292571306395]
  異なる次元であっても,従来の計算機能と互換性のある視覚的特徴を学習する方法を提案する。 これにより、埋め込みモデルを更新する際に、以前見たすべての画像の新機能の計算を回避できる。 本稿では、後方互換表現学習の第一歩として、後方互換学習(BCT)と呼ばれる埋め込みモデルを訓練するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-26T14:34:09Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。