オックスフォードとパリの再検討：大規模画像検索のベンチマーク評価

本論文では、標準的なOxford 5kおよびParis 6kデータセットにおける画像検索のベンチマークに関する問題を取り上げます。特に、アノテーションの誤り、データセットのサイズ、および課題の難易度について議論します。両データセットに対して信頼性の高いGround Truthに重点を置いた新しいアノテーションが作成されました。さらに、3つの異なる難易度を持つ新しいプロトコルが導入されました。これらのプロトコルは、前処理ステージを使用する手法も含め、異なる手法間での公正な比較を可能にします。各データセットに対して15の新たな挑戦的なクエリが導入されました。最後に、100万件の難問となる半自動的にクリーニングされたディストラクターを選択しました。新ベンチマーク上で最先端の手法を広範囲に比較評価しました。ローカル特徴量に基づく手法から現代的なCNN（畳み込みニューラルネットワーク）に基づく手法まで、さまざまなタイプの手法が評価されています。最良の結果は、両方の世界の長所を組み合わせることで達成されました。最も重要なのは、画像検索がまだ解決されていないという点です。