HiHPQ: 用于无监督图像检索的层次双曲乘积量化
信息检索
2024-01-17 v1
摘要
现有的无监督深度乘积量化方法主要旨在增加同一图像不同视图之间的相似性，而忽略了图像之间保留的精细多级语义相似性。此外，这些方法主要关注欧几里得空间以方便计算，这损害了它们有效映射图像之间多级语义关系的能力。为了缓解这些缺点，我们提出了一种新颖的无监督乘积量化方法，称为层次双曲乘积量化（HiHPQ），它通过结合双曲几何中的层次语义相似性来学习量化表示。具体来说，我们提出了一个双曲乘积量化器，其中引入了双曲码本注意力机制和双曲乘积流形上的量化对比学习以加速量化。此外，我们提出了一个层次语义学习模块，旨在通过利用提取的层次语义作为额外的训练监督，增强查询对相似图像和不匹配图像的区分能力。在基准测试上的实验表明，我们提出的方法优于最先进的基线方法。
引用
@article{arxiv.2401.07212,
title = {HiHPQ: Hierarchical Hyperbolic Product Quantization for Unsupervised Image Retrieval},
author = {Zexuan Qiu and Jiahong Liu and Yankai Chen and Irwin King},
journal= {arXiv preprint arXiv:2401.07212},
year = {2024}
}
备注
Accepted by AAAI 2024