Denoising Nearest Neighbor Graph via Continuous CRF for Visual Re-ranking without Fine-tuning

要約

最近傍グラフ (NN グラフ) を使用した視覚的な再ランキングは、高次元多様体を探索するのに有益であり、追加の微調整なしで適用できるため、高い検索精度が得られるように適応されています。
ただし、NN グラフを使用した視覚的な再ランキングの品質は、接続性、つまり NN グラフのエッジの品質に限定されます。
一部のエッジがネガティブなイメージと誤って接続される可能性があります。
これはノイズの多いエッジ問題として知られており、検索品質の低下を引き起こします。
これに対処するために、類似性に基づく分布の統計的距離を使用する連続条件付きランダム フィールド (C-CRF) に基づく相補的なノイズ除去方法を提案します。
この方法では、クリークの概念を使用してプロセスを計算的に実行可能にします。
我々は、3 つの視覚的再ランキング手法にこの手法を適用することでこの手法の補完性を実証し、ランドマーク検索と人物の再識別 (re-ID) における品質の向上を観察しました。

要約(オリジナル)

Visual re-ranking using Nearest Neighbor graph~(NN graph) has been adapted to yield high retrieval accuracy, since it is beneficial to exploring an high-dimensional manifold and applicable without additional fine-tuning. The quality of visual re-ranking using NN graph, however, is limited to that of connectivity, i.e., edges of the NN graph. Some edges can be misconnected with negative images. This is known as a noisy edge problem, resulting in a degradation of the retrieval quality. To address this, we propose a complementary denoising method based on Continuous Conditional Random Field (C-CRF) that uses a statistical distance of our similarity-based distribution. This method employs the concept of cliques to make the process computationally feasible. We demonstrate the complementarity of our method through its application to three visual re-ranking methods, observing quality boosts in landmark retrieval and person re-identification (re-ID).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google