論文の概要: Aggregating Neighbor Embedding Projection and Rank-Based Manifold Learning for Image Retrieval

• arxiv url: http://arxiv.org/abs/2609.01963v1
• Date: Wed, 02 Sep 2026 00:43:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.01413
• Title: Aggregating Neighbor Embedding Projection and Rank-Based Manifold Learning for Image Retrieval
• Title（参考訳）: 画像検索のための近傍埋め込み投影とランクベースマニフォールド学習の集約
• Abstract要約: 階数アグリゲーションによるプロジェクションベースと階数ベースの多様体学習を組み合わせたフレームワークを提案する。 ResNet152、Swin Transformer、DINOv2モデルから抽出したディープラーニング機能を用いて、いくつかの公開データセットで実験を行った。
• 参考スコア（独自算出の注目度）: 6.346431646777126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Content-based image retrieval (CBIR) has advanced significantly with deep learning, yet effectively ranking similar images remains challenging, particularly in high-dimensional feature spaces, where pairwise distances often fail to capture contextual relationships and the semantic gap between visual features and high-level concepts persists. Manifold learning and rank-based refinement methods have emerged as complementary strategies, respectively improving feature representations and exploiting contextual information embedded in ranked lists, such as neighborhood relationships among images. However, combining these projection-based and rank-based strategies to exploit their complementary properties remains a challenging research problem. To address this, we propose a framework that combines neighbor embedding projections with rank-based manifold learning through rank aggregation. Uniform Manifold Approximation and Projection (UMAP) generates alternative low-dimensional feature representations, and ranked lists obtained from UMAP projections and rank-based re-ranking methods are combined using the Borda Count aggregation strategy. Experiments were conducted on several public datasets using deep learning features extracted from ResNet152, Swin Transformer, and DINOv2 models. Results show that the proposed approach improves retrieval effectiveness in several scenarios, particularly when the baseline representation struggles to achieve high precision. The aggregation strategy also often improves the quality of top-ranked positions, leading to competitive Mean Average Precision (MAP) and Precision values across different datasets and feature extractors. These findings suggest that combining projection-based and rank-based manifold learning strategies through rank aggregation can provide complementary contextual information for image retrieval tasks.
• Abstract（参考訳）: コンテンツベース画像検索(CBIR)は、深層学習によって大幅に進歩しているが、特に高次元の特徴空間において、視覚的特徴と高レベルの概念の間の意味的ギャップが持続する状況において、類似した画像を効果的にランク付けすることは困難である。 画像間の近傍関係など,ランクリストに埋め込まれた文脈情報を活用し,特徴表現の改善を図った。 しかしながら、これらのプロジェクションベースとランクベースの戦略を組み合わせることで、それらの相補的特性を活用することは、依然として困難な研究課題である。 そこで本研究では,近傍の埋め込み射影とランクアグリゲーションによる階数に基づく多様体学習を組み合わせたフレームワークを提案する。 UMAP(Uniform Manifold Approximation and Projection)は,別の低次元特徴表現を生成する。 ResNet152、Swin Transformer、DINOv2モデルから抽出したディープラーニング機能を用いて、いくつかの公開データセットで実験を行った。 その結果,提案手法はいくつかのシナリオ,特にベースライン表現が高精度化に苦しむ場合において,検索効率の向上を図っている。 このアグリゲーション戦略は、上位に位置する位置の質を向上させることもしばしばあり、異なるデータセットや特徴抽出器間で競合する平均平均精度(MAP)と精度値をもたらす。 これらの結果から, 階数集約による投影型および階数に基づく多様体学習戦略を組み合わせることで, 画像検索作業に相補的な文脈情報を提供できることが示唆された。

関連論文リスト

• Fine-Grained Food Image Understanding via Target-Aware Data Alignment [7.633051255808158]
  食品の詳細な記述と認識のためのデータ中心型マルチモーダルアライメント手法を提案する。 提案手法はまず,視覚的に関連のあるトレーニングサブセットを識別するためのターゲット認識データ選択を行い,VLMに基づくキャプションの改良により,視覚的に接地したターゲットスタイルの記述を生成する。
  論文  参考訳（メタデータ） (2026-07-28T14:44:56Z)
• Dual Advancement of Representation Learning and Clustering for Sparse and Noisy Images [14.836487514037994]
  SNI(Sparse and Noisy Image)は、効果的な表現学習とクラスタリングに重要な課題を提起する。 本稿では、マスク画像モデリングから得られた表現を強化するために、DARLC(Dual Advancement of Representation Learning and Clustering)を提案する。 我々のフレームワークは、局所的な認識性、特異性、関係意味論の理解を高めることによって、表現の学習を改善する包括的なアプローチを提供する。
  論文  参考訳（メタデータ） (2024-09-03T10:52:27Z)
• A Deep Features-Based Approach Using Modified ResNet50 and Gradient Boosting for Visual Sentiments Classification [1.2434714657059942]
  本研究は,ディープラーニングアルゴリズムと機械学習アルゴリズムの融合を開発する。 改良されたResNet50から深い特徴を抽出するために,多クラス分類のためのDeep Feature-based Methodが使用されている。 グラデーションブースティングアルゴリズムは感情的な内容を含む写真を分類するために使われてきた。
  論文  参考訳（メタデータ） (2024-08-15T04:18:40Z)
• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• Self-supervised Learning of Dense Hierarchical Representations for Medical Image Segmentation [2.2265038612930663]
  本稿では,高密度下流タスクに適したボクセルワイド粗い表現を学習するための自己教師型フレームワークについて述べる。 我々は、複数のスケールから機能のコントリビューションのバランスをとるためのトレーニング戦略を考案し、学習された表現が粗い詳細ときめ細かい詳細の両方を捉えることを保証する。
  論文  参考訳（メタデータ） (2024-01-12T09:47:17Z)
• Embedding in Recommender Systems: A Survey [54.55152033023537]
  本調査では,レコメンデータシステム埋め込み技術の進歩を包括的に分析する。 マトリックスベースのシナリオでは、協調フィルタリングはユーザの好みを効果的にモデル化する埋め込みを生成する。 パフォーマンス向上のため,AutoMLやハッシュ技術,量子化手法など,新たなアプローチを導入する。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)
• RGM: A Robust Generalizable Matching Model [49.60975442871967]
  RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。 合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。 さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
  論文  参考訳（メタデータ） (2023-10-18T07:30:08Z)
• Fusing Local Similarities for Retrieval-based 3D Orientation Estimation of Unseen Objects [70.49392581592089]
  我々は,モノクロ画像から未確認物体の3次元配向を推定する作業に取り組む。 我々は検索ベースの戦略に従い、ネットワークがオブジェクト固有の特徴を学習するのを防ぐ。 また,LineMOD,LineMOD-Occluded,T-LESSのデータセットを用いた実験により,本手法が従来の手法よりもはるかに優れた一般化をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-03-16T08:53:00Z)
• 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)
• Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
  セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。 画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
  論文  参考訳（メタデータ） (2021-09-22T18:34:14Z)
• Deep Relational Metric Learning [84.95793654872399]
  本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。 我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。 広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-08-23T09:31:18Z)
• Monocular Depth Estimation via Listwise Ranking using the Plackett-Luce Model [15.472533971305367]
  多くの実世界のアプリケーションでは、画像内の物体の相対的な深さがシーン理解に不可欠である。 近年のアプローチでは, この問題を回帰課題として扱うことにより, 単眼画像の深度予測の問題に対処している。 しかし、ランク付け手法は回帰の自然な代替として自らを示唆しており、実際、ペア比較を利用したランク付け手法はこの問題に対して有望な性能を示している。
  論文  参考訳（メタデータ） (2020-10-25T13:40:10Z)
• Gradient-Induced Co-Saliency Detection [81.54194063218216]
  Co-SOD(Co-saliency Detection)は、一般的な唾液前景を関連画像のグループに分割することを目的としている。 本稿では,人間の行動にインスパイアされた,勾配誘導型共分散検出法を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:40:55Z)

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。