Methodology
作者提出TIMAM (Text-Image Modality Adversarial Matching)方法，比較簡潔明了，具體包含三個部分：
（1）特征提取器：
文本采用BERT提取詞向量，再輸入LSTM提取文本特征；
圖像采用ResNet101提取特征。
（2）采用ID損失（CMPC換了名）和跨模態投影損失（CMPM），來拉近相同ID的特征的分布。
（3）采用對抗損失來學習自適應模態的特征表示。
Experiments
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。
猜您在找
論文閱讀筆記六十六:Wide Activation for Efficient and Accurate Image Super-Resolution(CVPR2018)
#ICCV2019論文閱讀#Fully_convolutional_geometric_features
Learning Continuous Image Representation with Local Implicit Image Function【閱讀筆記】
[論文閱讀筆記] Adversarial Learning on Heterogeneous Information Networks
論文閱讀筆記（六十七）【arXiv2021】：Contextual Non-Local Alignment over Full-Scale Representation for Text-Based Person Search
人臉真偽驗證與識別：ICCV2019論文解析
Exploring Simple Siamese Representation Learning【閱讀筆記】
論文閱讀筆記六十一:Selective Kernel Networks(SKNet CVPR2019)
對抗性魯棒性與模型壓縮：ICCV2019論文解析
從單一圖像中提取文檔圖像：ICCV2019論文解讀