文献

J-GLOBAL ID：202302224107300356   整理番号：23A0759096

データベース特化型クロスモーダル画像検索のためのテキストプロンプトチューニングに関する検討

A Note on Text Prompt Tuning in Cross-modal Image Retrieval for a Specific Database

著者 (5件)： ZHANG Huaying (北大 大学院情報科学院) ,  柳凛太郎 (北大 大学院情報科学院) ,  藤後廉 (北大 大学院情報科学研究院) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大 大学院情報科学研究院)
資料名： 映像情報メディア学会技術報告
巻： 47  号： 6(MMS2023 1-34/ME2023 21-54/AIT2023 1-34)  ページ： 11-15  発行年： 2023年02月14日 
JST資料番号： S0209A  ISSN： 1342-6893  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ストレージデバイスやインターネットの普及により,個人用画像データベースを作成するユーザが増加している.これらのデータベースから効率的に画像を検索するため,テキストをクエリとする画像検索を実現可能なクロスモーダル画像検索手法が幅広く研究されている.従来,大量の画像データを用いた事前学習済みのクロスモーダルモデルがいくつか提案されている.しかしながら,これらのモデルを個人データベースに最適化するためには,通常数百万個のパラメータを保持して更新する必要があり,データ容量の観点から非効率的である.そこで,本文では,モデルのパラメータをチューニングすることなく,テキストプロンプトチューニングを用いて,少量のパラメータを更新することで,クロスモーダルモデルを対象データベースに特化させる新たな画像検索手法について検討する.提案手法ではまず,数次元のベクトル(プロンプト)を,同じ次元数にベクトル化したクエリに結合する.その後,結合されたベクトルおよび候補画像を事前学習済みクロスモーダルモデルに入力する.最後に,検索精度が向上するようにプロンプトを最適化する.本文の最後では,一般的に公開されたデータセットによる実験により提案手法の有効性を確認した.(著者抄録)

シソーラス用語： *画像検索 ,  *自然言語処理 ,  画像データベース ,  多モード ,  アノテーション ,  機械学習 ,  質問処理
準シソーラス用語： マルチモーダル ,  注釈 ,  問合せ

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： データベース ,  特化 ,  画像検索