跨模态共享特征空间
提出一种创新的序贯多示例学习（RankMIL）方法，能自适应过滤噪声样本，并配合动态局部匹配算法（DPMA）直接检索部分文本块，无需构造包，显著提升检索效率与精度。
汪浩 · 廖明辉 · Zhouyi, Xie · 刘文予 · 白翔
IEEE Transactions on Pattern Analysis and Machine Intelligence 2024
采用多示例学习方法学习部分区域与查询文本的相似性，无需部分区域的标注数据。
RankMIL方法自适应过滤训练中的噪声样本，提升训练质量。
动态部分匹配算法直接从文本行中搜索目标部分区域，无需构造包，大幅提升搜索效率。
在英文和中文数据集上，检索性能均超越现有方法，部分区域检索提升最高达38.06% mAP。