Co-Cuantización Alternante para Hashing Cruso-Modal

Este artículo aborda el problema del aprendizaje no supervisado de códigos hash binarios para una recuperación cruzada-modal eficiente. Muchos estudios sobre hashing unimodal han demostrado que tanto la preservación de la similitud de los datos como el mantenimiento de la calidad de cuantización son esenciales para mejorar el rendimiento de recuperación con códigos hash binarios. Sin embargo, la mayoría de los métodos de hashing cruzado-modal existentes se han centrado principalmente en el primero, y el segundo sigue casi sin tocarse. Proponemos un método para minimizar los errores de cuantización binaria, que está diseñado para el hashing cruzado-modal. Nuestro enfoque, llamado Co-Cuantización Alternante (ACQ), busca alternativamente cuantificadores binarios para cada espacio modal con la ayuda de conexiones a otros datos modales, de modo que produzcan errores de cuantización mínimos mientras preservan las similitudes de los datos. ACQ se puede acoplar con varios métodos existentes de reducción de dimensión cruzada-modal como el Análisis de Correlación Canónica (CCA) y mejora sustancialmente su rendimiento de recuperación en el espacio de Hamming. Experimentos extensos demuestran que ACQ puede superar varios métodos de última generación, incluso cuando se combina con CCA simple.