社会的埋め込み画像距離学習

画像距離（類似性）は、画像処理における基本的かつ重要な問題です。しかし、従来の視覚的特徴に基づく画像距離メトリックは、人間の認知を捉えることができないことが多いです。本論文では、集合的な社会的および行動情報の類似性を視覚空間に埋め込むための新しい社会的埋め込み画像距離学習（SIDL）アプローチを提案します。社会的類似性は、複数の社会的要因に基づいて推定されます。そして、推定された社会的類似性から視覚的特徴の距離を学習するために特別に設計されたメトリック学習手法が開発されます。この方法により、画像の視覚的内容に基づいて認知画像距離を評価することができます。SIDLの有効性と画像推薦および再ランキングタスクにおけるパフォーマンスを調査するために包括的な実験が設計されました。実験結果は、提案されたアプローチが最先端の画像距離メトリックと比較して顕著な改善をもたらすことを示しています。興味深い観察として、学習された画像距離が人間の認知をよりよく反映できることが示されています。