CVPR 2023: CLIP for All Things Zero-Shot Sketch-Based Image Retrieval, Fine-Grained or Not

我们使用以下6个分类标准对本文的研究选题进行分析：

1. 任务类型:

• 图像检索: 最常见任务，目标是检索与给定草图相似的图像。例如：[1, 2, 3, 4, 5, 6, 7, 8, 9, 14, 16, 30, 35, 42, 43, 44, 53, 58, 59, 61, 62, 64, 65, 67, 68, 72, 73]
• 图像生成: 相反，根据草图生成图像。例如：[11, 33]
• 目标检测: 基于草图识别图像中的特定目标。例如：[13]

2. 输入模式:

• 仅草图: 仅使用手绘草图作为输入。例如：[1, 2, 5, 6, 9, 14, 16, 35, 42, 53, 58, 59, 61, 64, 65, 67, 68, 72, 73]
• 草图 + 文本: 同时使用草图和文本描述提高理解。例如：[3, 29, 31, 46, 74, 75]

3. 监督类型:

• 监督学习: 依赖于标记数据，训练过程中提供草图和对应图像对。例如：[26, 34, 48]
• 无监督学习: 不使用标记数据，更具挑战性但更灵活。例如：[1, 2, 5, 6, 9, 14, 16, 35, 42, 53, 58, 59, 61, 64, 65, 67, 68, 72, 73]
• 零样本学习: 可以检索从未见过的对象的图像，突破泛化能力。例如：[3, 11, 18, 19, 37, 62, 68