#917
summarized by : Anonymous
Central Similarity Quantization for Efficient Image and Video Retrieval

どんな論文か?

既存のデータ依存型ハッシュ法はペアワイズやトリプレットのデータ関係からハッシュ関数を学習しますが、これは局所的なデータの類似性を捉えるだけであり、学習効率や衝突率が低いという問題がある。ハッシュ関数の学習効率と検索精度を向上させるために、似たデータペアのハッシュコードが共通の中心に近づくように、似てないペアのハッシュコードが異なる中心に収束するように促す、中心類似度と呼ばれる類似度指標を提案する。
placeholder

新規性

これまで有効性が実証されてきたデータの特徴から学習するのではなく、データに依存せずにハッシュ中心を生成することで、高品質なハッシュコードを生成できることを本論文では示しており、手法に新規性を感じた。

結果

提案する中心類似度量子化(CSQ)は、対応するハッシュ中心を持つハッシュコード間のハミング距離を最適化することでハッシュコードを学習することができる。その結果、CSQが高品質のハッシュコードを生成し、画像検索と動画検索の両方において最先端の性能を発揮することが実験的に検証された。

その他(なぜ通ったか?等)