ノイズラベルを用いたクロスモーダル検索のための近傍認識インスタンス精緻化

本論文は、マルチモーダルデータ分析における一般的な問題である、クロスモーダル検索におけるノイズラベルの問題に対処しています。近傍合意と調整された最適化戦略に基づいてインスタンスを洗練することにより、検索性能を向上させる新しいフレームワーク、NIRNLを提案しています。主な貢献は、ノイズの多いデータを効果的に処理し、最先端の結果を達成できることです。

• •クロスモーダル検索におけるノイズラベルの問題に対処。
• •ロバストな学習のための新しいフレームワーク、NIRNLを提案。
• •Cross-modal Margin Preserving (CMP) と Neighbor-aware Instance Refining (NIR) を採用。
• •ベンチマークデータセットで最先端のパフォーマンスを達成。