NeuroHash：一种用于空间感知图像哈希与检索的超维神经符号框架
计算机视觉与模式识别
2024-05-24 v3
摘要
可定制的图像检索在大型数据集中仍然是一个关键挑战，尤其是在保留图像内部空间关系方面。传统的哈希方法主要基于深度学习，往往无法充分捕捉空间信息，且缺乏可解释性。本文介绍了NeuroHash，一种利用超维计算（HDC）的新型神经符号框架，能够实现高度可定制的、空间感知的图像检索。NeuroHash将预训练的深度神经网络模型与基于HDC的符号模型相结合，允许灵活操作哈希值以支持条件图像检索。我们的方法包括一个自监督的上下文感知HDC编码器，以及用于使用多线性超平面优化低维双极哈希的新颖损失项。我们在两个基准数据集上评估了NeuroHash，结果表明，与最先进的哈希方法相比，其在mAP@5K分数和我们新引入的用于评估空间对齐的指标mAP@5Kr上均表现出更优的性能。结果凸显了NeuroHash在实现竞争性能的同时，在灵活性和可定制性方面具有显著优势，为更先进、更多功能的图像检索系统铺平了道路。
关键词
引用
@article{arxiv.2404.11025,
title = {NeuroHash: A Hyperdimensional Neuro-Symbolic Framework for Spatially-Aware Image Hashing and Retrieval},
author = {Sanggeon Yun and Ryozo Masukawa and SungHeon Jeong and Mohsen Imani},
journal= {arXiv preprint arXiv:2404.11025},
year = {2024}
}