跨模态子空间学习在细粒度基于草图的图像检索中的应用

基于草图的图像检索（SBIR）由于草图和照片之间固有的领域差异而具有挑战性。与照片中像素完美的描绘相比，草图是对现实世界的标志性渲染，具有高度抽象性。因此，仅使用低级视觉线索直接匹配草图和照片是不够的，因为建立一个能够跨越这两种模态语义的共同低级子空间并非易事。现有的大多数SBIR研究并未直接解决这一跨模态问题。这自然促使我们探索跨模态检索方法在SBIR中的有效性，这些方法已在图像-文本匹配中成功应用。本文介绍了几种最新的跨模态子空间学习方法，并在两个最近发布的细粒度SBIR数据集上对它们进行了基准测试。通过对实验结果的详细分析，我们证明了子空间学习可以有效地建模草图-照片领域的差异。此外，我们还提出了一些关键见解以推动未来的研究。