art
1.0.0
要存取搜尋功能，請申請訪問馬賽克測試版
藝術是少數能夠超越國家、文化和時間障礙的語言之一。我們的目標是創建一種演算法，可以幫助發現藝術的共同語義元素，甚至可以在任何文化、媒體、藝術家或大都會藝術博物館和國家博物館的組合藝術品中的收藏之間發現共同的語義元素。
圖像檢索系統允許個人找到在語義上與查詢圖像相似的圖像。這是反向影像搜尋引擎和許多產品推薦引擎的支柱。我們提出了一種用於專門影像檢索系統的新方法，稱為條件影像檢索。當應用於大型藝術資料集時，條件影像檢索提供了視覺類比，揭示了不同藝術家、文化和媒體之間隱藏的聯繫。條件影像檢索系統可以有效地找到截然不同的媒體和文化起源的作品之間的共享語義。我們的論文介紹了 K 最近鄰演算法的新變體，該演算法支援動態專門處理影像集合的特定子集。
為了找到具有相似語意結構的藝術品，我們利用在 ImageNet 上訓練的深度視覺網路的「特徵」。這些網路將圖像映射到高維空間，其中距離在語義上是有意義的。在這裡，最近鄰查詢往往充當“反向圖像搜尋引擎”，並且相似的物件通常共享共同的結構。
要了解有關該項目的更多信息，請參加我們於 2020 年 7 月 30 日上午 10 點（太平洋標準時間）舉行的實時網絡研討會。
要引用這項工作，請使用以下內容：
@article{hamilton2020conditional,
title={Conditional Image Retrieval},
author={Hamilton, Mark and Fu, Stephanie and Freeman, William T and Lu, Mindren},
journal={arXiv preprint arXiv:2007.07177},
year={2020}
}
請參閱我們的開發人員指南來自行建置專案。
3000多年來共同的崇敬描繪：
如何將手錶與您的服裝和餐具搭配：
特別感謝所有幫助該專案成為現實的貢獻者！
麻省理工學院 x MSFT 的實習生在將研究計畫轉變為正常運作的網站方面發揮了關鍵作用。僅花了一個月的時間，團隊就建造並設計出了馬賽克網站。 Stephanie Fu 和 Mindren Lu 也評估了不同預訓練網路對非參數風格遷移的影響，為《條件影像檢索》出版物做出了貢獻。
該專案非常感謝 MSFT Garage 團隊。他們是充滿熱情的創造者，致力於孵化新專案並激勵新一代工程師。衷心感謝他們對該專案的支持和指導。
該項目歡迎貢獻和建議。大多數貢獻都要求您同意貢獻者授權協議 (CLA)，聲明您有權並且實際上授予我們使用您的貢獻的權利。有關詳細信息，請訪問 https://cla.opensource.microsoft.com。
當您提交拉取請求時，CLA 機器人將自動確定您是否需要提供 CLA 並適當地裝飾 PR（例如，狀態檢查、評論）。只需按照機器人提供的說明進行操作即可。您只需使用我們的 CLA 在所有儲存庫中執行一次此操作。
該專案採用了微軟開源行為準則。有關詳細信息，請參閱行為準則常見問題解答或聯繫 [email protected] 提出任何其他問題或意見。
