基于部件对齐重构的零样本哈希
计算机视觉与模式识别
2025-03-11 v1 信息检索
摘要
哈希算法已广泛应用于大规模图像检索任务，特别是对于已见类数据。零样本哈希算法已被提出以处理未见类数据。这些算法中的关键技术涉及从已见类中学习特征并将其迁移到未见类，即对齐已见类和未见类之间的特征嵌入。大多数现有的零样本哈希算法利用感兴趣的两类之间的共享属性来完成对齐任务。然而，即使属性代表图像的特定部分，它们也总是针对整幅图像进行描述。因此，这些方法忽略了将属性与对应图像部件对齐的重要性，这明确引入了噪声并降低了在对齐已见类和未见类特征时获得的准确性。为了解决这个问题，我们提出了一种名为 RAZH 的新零样本哈希方法。我们首先使用聚类算法将相似的图像块分组为图像部件以进行属性匹配，然后用对应的属性向量替换图像部件，逐步将每个部件与其最近的属性对齐。广泛的评估结果证明了 RAZH 方法相对于几种 SOTA 方法的优越性。
引用
@article{arxiv.2503.07037,
title = {Zero-Shot Hashing Based on Reconstruction With Part Alignment},
author = {Yan Jiang and Zhongmiao Qi and Jianhao Li and Jiangbo Qian and Chong Wang and Yu Xin},
journal= {arXiv preprint arXiv:2503.07037},
year = {2025}
}