非对称不等长哈希模型

跨模检索更准

针对异构模态数据采用非对称不等长编码，结合双重语义嵌入与离散优化，直接生成判别性哈希码，缩小跨模态语义鸿沟。

滕少华 · Jiangbo, Li · Teng, Luyao · 费伦科 · Naiqi, Wu · 张巍

IEEE Transactions on Multimedia 2024

参数信息

基准数据集数量

4

技术优势

不给异构数据硬套等长码

不等长编码为各模态保留适合自身的码长，避免因强行对齐而损失判别信息，缩小语义鸿沟。

标签与样本两条线一起学

双重语义嵌入同时利用标签相似性和样本间成对关系生成哈希码，比只用单一信息源的判别性更强。

离散优化一步到位

不用松弛后量化，直接生成离散哈希码，避免两阶段带来的量化误差积累，最终编码更精确。

应用场景

• 跨模态检索：用不等长哈希码跨模态检索，替代等长编码，缩小语义鸿沟。
• 相似性搜索：通过高效哈希码进行相似性搜索，无需计算完整相似矩阵。
• 多模态表示学习：结合标签与样本信息学习多模态哈希表示，提升判别力。