新たなlabel-freeのhashing手法を提案．連続値ベクトルが与えられた元でのバイナリベクトルの条件付きエントロピーを最小化するという形で目的関数を設定．それが各データのk近傍が同一空間上に置かれるような目的関数に近似できることを導出．

Mnist, Cifer10などや不均一データセットであるLabelMe-12-50Kを用いて，最近某探索の性能をmAPで評価．既存のlabel-free hashing手法としてよく用いられるITQなどと比較し，提案手法の有効性を示した．

計算コストについての議論などもされている．future workとして条件付きエントロピーの直接的な最小化の検討が挙げられている．