Cluster-Aware Similarity Diffusion for Instance Retrieval

要約

拡散ベースの再ランキングは、最近傍グラフで類似性伝播を実行することによってインスタンスを取得するために使用される一般的な方法です。
ただし、ペアワイズ インスタンスに基づいてアフィニティ グラフを構築する既存の手法では、外れ値やその他の多様体からの誤った情報が伝播する可能性があり、結果が不正確になる可能性があります。
この問題を克服するために、インスタンス検索のための新しい Cluster-Aware Samelarity (CAS) 拡散を提案します。
CAS の主な概念は、ローカル クラスター内で類似性拡散を実行することであり、これにより他の多様体からの影響を明示的に軽減できます。
対称的で滑らかな類似度行列を取得するために、双方向類似度拡散戦略では、ローカル クラスター拡散の最適化目標に逆制約項を導入します。
さらに、各インスタンスのローカルな近隣間の類似性の一貫性を確保するために、近隣ガイドによる類似性平滑化アプローチを最適化しました。
インスタンスの取得とオブジェクトの再識別の評価により、提案された CAS の有効性が検証され、コードは公開されています。

要約(オリジナル)

Diffusion-based re-ranking is a common method used for retrieving instances by performing similarity propagation in a nearest neighbor graph. However, existing techniques that construct the affinity graph based on pairwise instances can lead to the propagation of misinformation from outliers and other manifolds, resulting in inaccurate results. To overcome this issue, we propose a novel Cluster-Aware Similarity (CAS) diffusion for instance retrieval. The primary concept of CAS is to conduct similarity diffusion within local clusters, which can reduce the influence from other manifolds explicitly. To obtain a symmetrical and smooth similarity matrix, our Bidirectional Similarity Diffusion strategy introduces an inverse constraint term to the optimization objective of local cluster diffusion. Additionally, we have optimized a Neighbor-guided Similarity Smoothing approach to ensure similarity consistency among the local neighbors of each instance. Evaluations in instance retrieval and object re-identification validate the effectiveness of the proposed CAS, our code is publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google