Our main contribution is the idea t

Our main contribution is the idea to learn
relative visual attributes, which to our knowledge has not
been explored in any prior work. Our other contribution
is to devise and demonstrate two new tasks well-served by
relative attributes: (1) zero-shot learning from relative comparisons,
and (2) image description in reference to example
images or categories. We demonstrate the approach for both
tasks using the Outdoor Scenes dataset [11] and a subset of
the Public Figure Face Database [12]. We find that relative
attributes yield significantly better zero-shot learning
accuracy when compared to their binary counterparts. In
addition, we conduct human subject studies to evaluate the
informativeness of the automatically generated image descriptions,
and find that relative attributes are clearly more
powerful than existing binary attributes in uniquely identifying
an image.

ผลลัพธ์ (ไทย) 1:

ส่วนหลักของเราคือ ความคิดการเรียนรู้คุณลักษณะ visual ญาติ ซึ่งความรู้ของเราไม่มีการสำรวจในการทำงาน ผลงานอื่น ๆ ของเราคือการ ประดิษฐ์ และสาธิตงานใหม่สองเสิร์ฟดีโดยแอตทริบิวต์ที่เกี่ยวข้อง: ภาพศูนย์เรียนรู้ (1) จากญาติเปรียบเทียบและคำอธิบายภาพ (2) อ้างอิงถึงตัวอย่างภาพหรือประเภท เราเห็นวิธีการทั้งสองงานที่ใช้ชุดย่อยของชุดข้อมูลฉากกลางแจ้ง [11]บุคคลสาธารณะหน้าฐานข้อมูล [12] เราพบว่าญาติคุณลักษณะผลตอบแทนดีกว่าภาพศูนย์การเรียนรู้ความแม่นยำเมื่อเทียบกับพวกไบนารี ในนอกจากนี้ เราดำเนินการศึกษาเรื่องมนุษย์เพื่อประเมินการinformativeness ของคำอธิบายภาพที่สร้างขึ้นโดยอัตโนมัติและพบว่า ญาติแอตทริบิวต์เพิ่มเติมอย่างชัดเจนมีประสิทธิภาพกว่าแอตทริบิวต์ไบนารีที่มีอยู่ในการระบุรูปภาพ

ผลลัพธ์ (ไทย) 2:

ผลงานหลักของเราคือความคิดที่จะเรียนรู้
คุณลักษณะภาพญาติที่จะรู้ของเรายังไม่ได้
รับการสำรวจในการทำงานใด ๆ ก่อน ผลงานอื่น ๆ ของเรา
คือการประดิษฐ์และแสดงให้เห็นถึงสองงานใหม่ทำหน้าที่อย่างดีโดย
คุณลักษณะญาติ (1) ศูนย์การเรียนรู้จากการยิงรถญาติ
และ (2) คำอธิบายภาพในการอ้างอิงถึงตัวอย่างเช่น
รูปภาพหรือหมวดหมู่ เราแสดงให้เห็นถึงวิธีการที่สำหรับทั้ง
งานโดยใช้ฉากกลางแจ้งชุด [11] และกลุ่มย่อยของ
ฐานข้อมูลสาธารณะรูปใบหน้า [12] เราพบว่าญาติ
แอตทริบิวต์ผลผลิตการเรียนรู้ศูนย์การยิงที่ดีขึ้นอย่างมีนัยสำคัญ
ความถูกต้องเมื่อเทียบกับคู่ไบนารีของพวกเขา ใน
นอกจากนี้เราดำเนินการศึกษาเรื่องของมนุษย์ที่จะประเมิน
informativeness ของรายละเอียดภาพที่สร้างขึ้นโดยอัตโนมัติ
และพบว่าคุณลักษณะญาติชัดเจนมากขึ้น
มีประสิทธิภาพกว่าคุณลักษณะไบนารีที่มีอยู่ในที่ไม่ซ้ำกันระบุ
ภาพ