HarmoCLIP: Harmonizing Global and Regional Representations in Contrastive Vision-Language Models
Created by
Haebom
Category
Empty
저자
Haoxi Zeng, Haoxuan Li, Yi Bin, Pengpeng Zeng, Xing Xu, Yang Yang, Heng Tao Shen
HarmoCLIP: CLIP 내에서 전역 및 지역 표현 조화를 위한 프레임워크
개요
본 논문은 Contrastive Language-Image Pre-training (CLIP)의 세부적인 의미 이해 부족 문제를 해결하기 위해, 전역 및 지역 표현을 조화시키는 새로운 프레임워크인 HarmoCLIP을 제안합니다. HarmoCLIP은 텍스트 세그먼트와 해당 시각적 영역을 직접 정렬하여 지역적 의미를 개선하고, 지역-언어 정렬 전략을 통해 전역적 일관성을 유지하면서 세분화된 의미 학습을 촉진합니다.
시사점, 한계점
•
CLIP의 전역-지역 상충 관계를 효과적으로 해결하는 프레임워크 제시.
•
지역적 의미 이해 개선과 전역적 일관성 유지를 동시에 달성.
•
검색 작업에서 최대 69.78% 성능 향상, 경계 상자 분류에서 3.2% Top-1 정확도 향상.