多尺度特征融合图文匹配网络

精准跨模态检索

该网络通过分段多项式激活函数与特征相关性优化，显著提升图文匹配精度，为跨模态检索提供高性能基线。

Linlin, Ji · 刘莉

IEEE Transactions on Circuits and Systems for Video Technology 2025

参数信息

Flickr30k R@1

86.7 %

Flickr30k R@10

98.4 %

MS-COCO R@1

81.9 %

MS-COCO R@10

97.5 %

技术优势

精度更高

PCPAF较现有激活函数显著提升模型精度，在Flickr30k和MS-COCO上均超越最优模型。

计算成本低

PCPAF计算成本更低，适合资源受限场景。

泛化能力强

PCPAF具有C¹连续性，且通过调整参数可衍生不同激活函数，适用于其他图文匹配模型。

应用场景

• 跨模态检索：提升图文搜索的匹配精度和排序质量
• 视觉问答：为VQA提供更准确的图文对齐特征
• 人机交互：支撑更自然的跨模态交互体验