• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Conference on Computer Vision and Pattern Recognition Workshops >Exploration of Social and Web Image Search Results Using Tensor Decomposition
【24h】

Exploration of Social and Web Image Search Results Using Tensor Decomposition

机译：利用张量分解探索社交和网络图像搜索结果

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

How do socially popular images differ from authoritative images indexed by web search engines? Empirically, social images on e.g., Twitter often tend to look more diverse and ultimately more "personal", contrary to images that are returned by web image search, some of which are so-called "stock" images. Are there image features, that we can automatically learn, which differentiate the two types of image search results, or features that the two have in common? This paper outlines the vision towards achieving this result. We propose a tensor-based approach that learns key features of social and web image search results, and provides a comprehensive framework for analyzing and understanding the similarities and differences between the two types types of content. We demonstrate our preliminary results on a small-scale study, and conclude with future research directions for this exciting and novel application.
机译：社会上流行的图像与网络搜索引擎索引的权威图像有何不同？根据经验，与网络图像搜索返回的图像相反，例如，Twitter上的社交图像往往看起来更加多样化，最终看起来更加“个人化”，其中一些图像称为“股票”图像。是否存在我们可以自动学习的区分两种类型图像搜索结果的图像特征，或两者共有的特征？本文概述了实现此结果的愿景。我们提出了一种基于张量的方法，该方法可学习社交和Web图像搜索结果的关键特征，并为分析和理解两种类型的内容之间的异同提供了一个全面的框架。我们通过小规模研究证明了我们的初步结果，并为这一激动人心的新颖应用总结了未来的研究方向。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号