基于对比信息瓶颈的无监督哈希

许多无监督哈希方法隐式地建立在重构输入数据的思想之上，其本质上促使哈希码尽可能保留原始数据的更多信息。然而，该要求可能迫使模型将大量精力耗费于重构无用的背景信息，却忽视了对哈希任务更为重要的判别语义信息的保持。为应对此问题，受对比学习在连续表示学习中近期成功的启发，我们提出适配该框架以学习二值哈希码。具体而言，我们首先提出修改目标函数以满足哈希的特定需求，随后在模型中引入概率二值表示层以促成整个模型的端到端训练。我们进一步证明所提基于对比学习的哈希方法与互信息之间的强关联，并表明所提模型可置于更广义的信息瓶颈（IB）框架下审视。由此视角，一个更通用的哈希模型自然得出。在三个基准图像数据集上的大量实验结果表明，所提哈希方法显著优于现有基线。