HyperAIHyperAI

Command Palette

Search for a command to run...

Effiziente Bildsuche durch Trennung der Diffusion in Online- und Offline-Verarbeitung

Fan Yang Ryota Hinami Yusuke Matsui Steven Ly Shin’ichi Satoh

Zusammenfassung

Die Diffusion wird häufig als Rangfolge- oder Neuanordnungsmethode in Retrieval-Aufgaben eingesetzt, um eine höhere Retrieval-Leistung zu erzielen und hat in den letzten Jahren viel Aufmerksamkeit erhalten. Ein Nachteil der Diffusion ist, dass sie im Vergleich zur naiven k-NN-Suche langsam abläuft, was bei großen Datensätzen erhebliche Online-Rechenkosten verursacht. Um diese Schwäche zu überwinden, schlagen wir in dieser Arbeit eine neue Diffusionstechnik vor. In unserem Ansatz berechnen wir die Diffusionsergebnisse jedes Elements in der Datenbank vorab, sodass die Online-Suche auf der Grundlage des k-NN-Suchprozesses eine einfache lineare Kombination wird. Unsere vorgeschlagene Methode ist im Hinblick auf die Online-Suchgeschwindigkeit etwa 10-mal schneller. Darüber hinaus schlagen wir vor, späte Trunkierung (late truncation) anstelle der frühen Trunkierung (early truncation) aus früheren Arbeiten zu verwenden, um eine bessere Retrieval-Leistung zu erreichen.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp