对比嵌入属性对齐模型

状态最优

同时利用类级和实例级监督，通过对比嵌入增强视觉特征区分力，并结合一致性正则化提升模型对遮挡和不相关属性的鲁棒性。

程德 · Gerong, Wang · 王楠楠 · 张鼎文 · Zhang, Qiang · 高新波

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

提升特征判别力

在属性引导的弱监督表示学习框架下，引入类级和实例级对比嵌入，增强视觉特征的区分能力。

鲁棒性更强

通过一致性正则化约束，利用图像在不同扰动增强下的自监督信号，使模型对遮挡或不相关属性区域更加鲁棒。

应用场景

• 零样本图像识别：无需标注样本即可识别未见类别，降低数据采集成本。
• 跨模态检索：利用属性作为中介，实现图像与语义描述的跨模态匹配。
• 视觉属性学习：学习判别性属性区域，提升对遮挡和不相关属性的鲁棒性。