作者 | Ayan Kumar Bhunia, Yongxin Yang, Timothy M. Hospedales, Tao Xiang, Yi-Zhe Song
    单位 | 萨里大学；爱丁堡大学
    代码 | https://github.com/AyanKumarBhunia/on-the-fly-FGSBIR
    备注 | CVPR 2020 Oral

    image.png

    基于细粒度草图的图像检索（FG-SBIR）解决了在给定用户查询草图的情况下检索特定照片实例的问题。然而，绘制草图需要时间，而且大多数人都很难绘制出完整、忠实的草图，这一事实阻碍了它的广泛应用。在本文中，我们重新构造了传统的FG-SBIR框架来应对这些挑战，最终目标是以尽可能少的笔划数检索目标照片。我们进一步提出了一种即时设计，用户一开始绘图就开始检索。为了实现这一点，我们设计了一个基于强化学习的跨模式检索框架，该框架可以直接优化整个草图情节中地面真实照片的排名。此外，我们引入了一种新的奖励方案，该方案避免了与无关草图笔划相关的问题，从而在检索过程中为我们提供了更一致的排名列表。我们在两个公共可用的细粒度草图检索数据集上实现了优于现有方法和替代基线的早期检索效率。
    译文_Sketch Less for More- On-the-Fly Fine-Grained Sketch Based Image Retrieval.docx