面向跨模态哈希的离散隐因子模型
信息检索
2017-07-27 v1
摘要
由于其存储和检索效率，跨模态哈希（CMH）已被广泛用于多媒体应用中的跨模态相似性搜索。根据训练策略，现有的 CMH 方法主要可分为两类：基于松弛的连续方法和离散方法。通常，基于松弛的连续方法的训练速度比离散方法快，但其准确性并不令人满意。相反，离散方法的准确性通常优于基于松弛的连续方法，但离散方法的训练非常耗时。本文中，我们提出了一种新颖的 CMH 方法，称为基于离散隐因子模型的跨模态哈希（DLFH），用于跨模态相似性搜索。DLFH 是一种可以直接学习 CMH 二值哈希码的离散方法。同时，DLFH 的训练是高效的。在真实数据集上的实验表明，DLFH 可以取得比现有方法显著更好的准确性，并且 DLFH 的训练时间与基于松弛的连续方法相当，后者比现有的离散方法快得多。
引用
@article{arxiv.1707.08322,
title = {Discrete Latent Factor Model for Cross-Modal Hashing},
author = {Qing-Yuan Jiang and Wu-Jun Li},
journal= {arXiv preprint arXiv:1707.08322},
year = {2017}
}