主页
2019-11-17：研究室的1篇无监督跨媒体论文被TCSVT接收
研究室的1篇无监督跨媒体论文被TCSVT接收为Regular论文：Yuxin Peng and Jingze Chi, "Unsupervised Cross-media Retrieval Using Domain Adaptation with Scene Graph", IEEE Transactions on Circuits and Systems for Video Technology (TCSVT), DOI:10.1109/TCSVT.2019.2953692, Nov. 2019。祝贺迟敬泽同学！
现有的无监督跨媒体检索论文一般依赖训练数据中的多模态数据匹配信息，例如图像与文本的对应关系，但无法处理无匹配对应关系的多模态数据的无监督跨媒体检索问题。针对上述问题，本文提出了基于场景图（scene graph）的领域自适应无监督跨媒体检索方法。通过场景图构建和表示外部辅助数据蕴含的关联关系知识，使用域自适应方法，将从外部辅助数据集中提取的关联关系知识迁移到目标域中，利用迁移的关联关系知识实现目标域中多模态数据的对齐和匹配。通过上述匹配信息无监督地学习目标域多模态数据的关联关系，实现不依赖训练数据匹配信息的无监督跨媒体检索。
现有的无监督跨媒体检索论文一般依赖训练数据中的多模态数据匹配信息，例如图像与文本的对应关系，但无法处理无匹配对应关系的多模态数据的无监督跨媒体检索问题。针对上述问题，本文提出了基于场景图（scene graph）的领域自适应无监督跨媒体检索方法。通过场景图构建和表示外部辅助数据蕴含的关联关系知识，使用域自适应方法，将从外部辅助数据集中提取的关联关系知识迁移到目标域中，利用迁移的关联关系知识实现目标域中多模态数据的对齐和匹配。通过上述匹配信息无监督地学习目标域多模态数据的关联关系，实现不依赖训练数据匹配信息的无监督跨媒体检索。