深度草图哈希：快速手绘草图图像检索

手绘草图图像检索 (SBIR) 是一项特定的跨视角检索任务，其中查询是抽象且模糊的草图，而检索数据库由自然图像构成。该领域的工作主要集中于为草图和自然图像提取具有代表性的共享特征。然而，这些方法既不能很好地处理草图与图像之间的几何畸变，又由于繁重的连续值距离计算而无法适用于大规模 SBIR。在本文中，我们通过引入一种名为 \textbf{Deep Sketch Hashing} (DSH) 的新型二值编码方法来加速 SBIR，其中提出了一种半异构深度架构并将其整合进端到端的二值编码框架中。具体而言，我们利用三个卷积神经网络分别编码手绘草图、自然图像，特别是作为桥梁以缓解草图-图像几何畸变的辅助草图 token。学习到的 DSH 码能够有效捕捉跨视角相似性以及不同类别间的内在语义相关性。据我们所知，DSH 是首个专门针对类别级 SBIR 设计并采用端到端深度架构的哈希工作。所提出的 DSH 在 TU-Berlin Extension 和 Sketchy 两个大规模数据集上进行了全面评估，实验一致表明 DSH 的 SBIR 准确率优于几种 state-of-the-art 方法，同时显著减少了检索时间和内存占用。