SCAN

收录理由

做跨模态检索或图像描述生成的人，多半绕不开这个仓库——它是ECCV 2018那篇提出堆叠交叉注意力网络（Stacked Cross Attention Network）的论文官方实现，专门用来对齐图像与自然语言描述。代码里训练和评估脚本都齐，还带了词汇表工具，以及论文里在MS-COCO和Flickr30K上复现结果所用的确切超参数，想基于注意力机制做图文匹配实验，不用自己从头搭架构，直接拿它当起点很顺手。实现上用了自底向上的区域特征和双向GRU文本编码器，这套组合对搭建或对比自己的检索模型很有参考价值。不过要清楚，这是研究代码，跟特定论文绑定，更适合当作基准和学习的材料，而不是能直接上生产的服务。