Deep Fragment Embeddings for Bidirectional Image Sentence Mapping

• 类型：arxiv
• 标识：1406.5679
• 链接：https://arxiv.org/abs/1406.5679
• 主题：multimodal
• 主分类：rag
• 形态：method
• 被引：982
• 被引来源：Semantic Scholar
• S2被引：982
• OpenAlex被引：724
• 影响力被引：80
• TLDR：This work introduces a model for bidirectional retrieval of images and sentences through a deep, multi-modal embedding of visual and natural language data and introduces a structured max-margin objective that allows this model to explicitly associate fragments across modalities.
• OpenAlex ID：W2112912048
• OpenAlex DOI：10.48550/arxiv.1406.5679
• DOI：10.48550/arxiv.1406.5679
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1406.5679
• OpenAlex更新：2026-08-23
• 待LLM分类：否
• 标题中文：用于双向图文映射的深度片段嵌入
• TLDR中文：本文通过深度多模态嵌入视觉与自然语言数据，提出了一种用于图文双向检索的模型，并引入结构化的最大间隔目标，使该模型能够显式地跨模态关联片段。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]