GTR+实现无监督文本搜人
论文AI 评分 75/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究提出GTR+框架，通过生成与检索两阶段解决无监督文本搜人问题。生成阶段利用问答、对比及风格扩展机制产出多样化文本；检索阶段采用高斯混合模型过滤噪声伪文本。团队还发布了大规模细粒度数据集LargeFine-Person。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载无监督搜人挑战
基于文本的人员搜索旨在根据自然语言描述从图像库中检索目标人物。现有主流方法严重依赖人工标注的图像-文本对进行监督学习，数据获取成本高昂。该研究探索无监督场景，仅利用未标注图像完成训练任务，旨在降低对昂贵标注数据的依赖。
分层文本生成机制
GTR+框架首先进行文本生成，采用三层顺序结构。基础层通过自动问答机制生成基本视觉属性描述；中间层利用样本间对比机制增强细节粒度；高级层通过风格化扩展机制丰富文本多样性。这种设计旨在为未标注图像生成高质量且风格各异的伪文本描述。
自适应噪声过滤检索
针对生成的伪文本可能存在的噪声问题，检索阶段引入自适应置信度加权学习框架。系统利用高斯混合模型对图像-文本对进行建模，根据实时图像-文本相似度以及上一阶段的静态文本生成概率，将样本分类为干净或噪声，并在训练中赋予自适应权重，以减轻噪声影响。
新数据集与效果
研究团队发布了LargeFine-Person数据集，包含高质量、细粒度且多样化的文本标注，为无监督文本搜人提供了实用的预训练基准。在多个基准测试上的实验表明，GTR+框架及新数据集均展现出有效性和泛化能力，相关代码已公开。
为什么值得看
首次解决无监督文本搜人难题，降低标注依赖，提供新基准数据。
数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。