グラフ正則化画像意味埋め込み（Graph-RISE: Graph-Regularized Image Semantic Embedding）

画像表現の学習において、微細な意味論を捉えることは多くの応用（画像検索やクラスタリングなど）を可能にする重要な課題であり、同時に困難を伴っています。本論文では、大規模なニューラルグラフ学習フレームワークであるグラフ正規化画像意味埋め込み（Graph-RISE）を提案します。このフレームワークにより、O(40M)という前例のない超微細な意味ラベルを区別するための埋め込みを訓練することが可能になります。Graph-RISEは、画像分類や三つ組ランキングなどの複数の評価タスクで最先端の画像埋め込みアルゴリズムを上回る性能を示しています。また、ケーススタディを通じて、Graph-RISEに基づく画像検索が定性的に意味論を効果的に捉え、最先端技術と比較して人間の知覚に近いレベルで微妙な違いを区別できることを示しています。