Multimodal Causal Relations Enhanced CLIP for Image-to-Text Retrieval

计算机科学 人工智能 因果模型 一般化 模态(人机交互) 图像(数学) 图形 图像检索 语义学(计算机科学) 任务(项目管理) 自然语言处理 模式识别(心理学) 理论计算机科学 数学 经济 数学分析 统计 管理 程序设计语言
作者
Weijia Feng,Dazhen Lin,Donglin Cao
出处
期刊:Lecture Notes in Computer Science 卷期号:: 210-221
标识
DOI:10.1007/978-981-99-8429-9_17
摘要

Traditional image-to-text retrieval models learn joint representations by aligning multimodal features, typically learning the weak correlation between image and text data which can introduce noise during modality alignment. To solve this problem, we propose a Multimodal Causal CLIP (MMC-CLIP) network that integrates causal semantic relationships into CLIP for image-to-text retrieval task. Firstly, we employ the Multimodal Causal Discovery (MCD) method, which models the causal relationships of causal variables in both image and text data to construct the multimodal causal graph. Subsequently, we seamlessly integrate the causal nodes extracted from the multimodal causal graph as learnable prompts within the CLIP model, giving rise to the novel framework of Multimodal Causal CLIP. By integrating causal semantics into CLIP, MMC-CLIP effectively enhances the correlation between causal variables in image and text modalities, leading to an improved alignment capability for multimodal image-text data. We demonstrate the superiority and generalization of the proposed method by outperforming all strong baselines in image-to-text retrieval task on the Flickr30K and MSCOCO datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
DCC完成签到,获得积分10
刚刚
飞云完成签到,获得积分10
1秒前
cppcppsmida完成签到,获得积分10
2秒前
哈ha完成签到,获得积分10
3秒前
jac1完成签到,获得积分10
4秒前
Rosaline发布了新的文献求助20
4秒前
下午好完成签到 ,获得积分10
5秒前
liu123456完成签到,获得积分10
5秒前
zj完成签到,获得积分10
5秒前
琴楼完成签到,获得积分10
5秒前
慕新完成签到,获得积分10
6秒前
7秒前
熄熄完成签到 ,获得积分10
7秒前
8秒前
梦XING完成签到 ,获得积分10
10秒前
10秒前
微笑的兔子完成签到,获得积分10
10秒前
hhhhmmmn完成签到,获得积分10
11秒前
13秒前
13秒前
小东同志完成签到,获得积分10
14秒前
Victoria完成签到,获得积分10
16秒前
沉默的寻凝完成签到 ,获得积分10
16秒前
建业完成签到,获得积分10
18秒前
19秒前
希雅完成签到 ,获得积分10
20秒前
ET完成签到,获得积分10
20秒前
rainy发布了新的文献求助30
20秒前
jiayueiyang完成签到,获得积分10
24秒前
liu bo完成签到,获得积分10
24秒前
Akim应助机灵的丸子采纳,获得10
24秒前
24秒前
翟淑雨发布了新的文献求助10
25秒前
科研小白完成签到,获得积分10
25秒前
26秒前
英姑应助建业采纳,获得10
28秒前
喜乐发布了新的文献求助30
28秒前
LL完成签到,获得积分10
28秒前
ynlqjqx发布了新的文献求助10
29秒前
温大善人完成签到,获得积分10
32秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671598
求助须知:如何正确求助?哪些是违规求助? 3228309
关于积分的说明 9779385
捐赠科研通 2938622
什么是DOI,文献DOI怎么找? 1610143
邀请新用户注册赠送积分活动 760547
科研通“疑难数据库(出版商)”最低求助积分说明 736093