AMES：面向实例级检索的非对称且内存高效相似性估计

本研究针对实例级图像检索重排序问题，在内存效率约束条件下展开探讨，最终目标是将每张图像的内存占用控制在1KB以内。与当前主流研究侧重于性能提升不同，本工作更关注性能与内存需求之间的关键权衡。所提出的模型采用基于Transformer的架构，通过捕捉图像内部及图像之间的局部描述子交互关系，实现图像间相似性的精确估计。该模型的一个显著特性在于支持非对称相似性计算：在数据库图像中使用比查询图像更少的描述子进行表示，从而在不增加内存消耗的前提下实现性能提升。为确保模型在不同应用场景下的适应性，本文进一步引入一种通用型模型，可在测试阶段动态调整局部描述子的数量。在标准基准测试上的实验结果表明，本方法在性能上显著优于传统手工设计模型与现有学习型模型。尤其值得注意的是，相较于当前主流方法普遍忽略其内存开销的现状，本方法不仅取得了更优的检索性能，同时实现了显著更低的内存占用。相关代码与预训练模型已公开发布于：https://github.com/pavelsuma/ames