CHAIN：探索全局-局部时空信息以改进自监督视频哈希

将视频压缩为二进制码可提升检索速度并降低存储开销。然而，由于视频帧间存在高局部冗余和复杂全局依赖，尤其在无标签情况下，学习准确的哈希码用于视频检索颇具挑战。现有自监督视频哈希方法在设计富有表现力的时序编码器方面有效，但因学习任务挑战性不足且不可靠，未能充分利用视频的时序动态与空间外观。为应对这些挑战，我们首先利用对比学习任务捕捉视频的全局时空信息以用于哈希。借助我们所设计的聚焦于空间与时间变化以构造正样本的增强策略，该学习框架可生成对运动、尺度和视角不变的哈希码。此外，我们引入两个协作学习任务，即帧顺序验证与场景变化正则化，以捕捉视频帧内的局部时空细节，从而增强对时间结构的感知与时空关系建模。我们提出的基于全局-局部时空信息的对比哈希(CHAIN)在四个视频基准数据集上优于最先进的自监督视频哈希方法。我们的代码将公开。