面向多媒体检索的中心相似多视图哈希
计算机视觉与模式识别
2023-08-29 v1 信息检索
多媒体
摘要
多视图异构数据的哈希表示学习是提高多媒体检索精度的关键。然而，现有方法利用局部相似性，且未能深度融合多视图特征，导致检索精度不佳。当前方法仅使用局部相似性训练其模型，忽视了全局相似性。此外，多数近期工作通过加权求和或拼接来融合多视图特征。我们认为这些融合方式不足以捕捉各视图间的交互。我们提出一种新颖的中心相似多视图哈希（CSMVH）方法来解决上述问题。中心相似学习用于解决局部相似性问题，其可利用哈希中心与样本之间的全局相似性。我们给出了大量经验数据，证明基于门的融合优于传统方法。在 MS COCO 和 NUS-WIDE 上，所提 CSMVH 比最先进方法表现更优，幅度显著（平均精度均值（mAP）提升高达 11.41%）。
引用
@article{arxiv.2308.13774,
title = {Central Similarity Multi-View Hashing for Multimedia Retrieval},
author = {Jian Zhu and Wen Cheng and Yu Cui and Chang Tang and Yuyang Dai and Yong Li and Lingfang Zeng},
journal= {arXiv preprint arXiv:2308.13774},
year = {2023}
}
备注
accepted by the Asia Pacific Web (APWeb) and Web-Age Information Management (WAIM) Joint International Conference on Web and Big Data (APWeb-WAIM2023)