深度流形哈希：一种用于半配对无监督跨模态检索的分治方法
计算机视觉与模式识别
2022-09-27 v1 人工智能
摘要
将数据投影为二进制码的海量哈希方法因其低存储占用与高查询速度，在跨模态检索中展现出非凡能力。尽管现有跨模态哈希方法在某些场景下取得了经验性成功，但当缺乏带有大量标注信息的全配对数据时，它们通常无法跨越模态鸿沟。为规避此缺陷，受分治策略启发，我们提出深度流形哈希（DMH），一种将半配对无监督跨模态检索问题划分为三个子问题并为每个子问题构建简单而高效模型的新方法。具体而言，第一个模型基于流形学习补全半配对数据以获取模态不变特征，而第二个与第三个模型分别旨在学习哈希码与哈希函数。在三个基准上的大量实验证明了我们的 DMH 相较于最先进的（SOTA）全配对与半配对无监督跨模态哈希方法的优越性。
引用
@article{arxiv.2209.12599,
title = {Deep Manifold Hashing: A Divide-and-Conquer Approach for Semi-Paired Unsupervised Cross-Modal Retrieval},
author = {Yufeng Shi and Xinge You and Jiamiao Xu and Feng Zheng and Qinmu Peng and Weihua Ou},
journal= {arXiv preprint arXiv:2209.12599},
year = {2022}
}