論文の概要: Learning Attribute-Aware Hash Codes for Fine-Grained Image Retrieval via Query Optimization

• arxiv url: http://arxiv.org/abs/2509.17049v1
• Date: Sun, 21 Sep 2025 12:14:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.08986
• Title: Learning Attribute-Aware Hash Codes for Fine-Grained Image Retrieval via Query Optimization
• Title（参考訳）: クエリ最適化による細粒度画像検索のための属性対応ハッシュ符号の学習
• Authors: Peng Wang, Yong Li, Lin Zhao, Xiu-Shen Wei,
• Abstract要約: 本稿では,属性認識型ハッシュ学習に学習可能なクエリを利用する新しい手法を提案する。 この方法は、ハッシュプロセス内で、ニュアンスド属性レベルの情報をキャプチャし、表現するために、調整されたクエリセットをデプロイする。 このクエリベースの最適化フレームワークに基づいて、複雑なランドスケープ最適化の課題を軽減するために補助的なブランチを組み込む。
• 参考スコア（独自算出の注目度）: 25.4712230410618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained hashing has become a powerful solution for rapid and efficient image retrieval, particularly in scenarios requiring high discrimination between visually similar categories. To enable each hash bit to correspond to specific visual attributes, we propoe a novel method that harnesses learnable queries for attribute-aware hash codes learning. This method deploys a tailored set of queries to capture and represent nuanced attribute-level information within the hashing process, thereby enhancing both the interpretability and relevance of each hash bit. Building on this query-based optimization framework, we incorporate an auxiliary branch to help alleviate the challenges of complex landscape optimization often encountered with low-bit hash codes. This auxiliary branch models high-order attribute interactions, reinforcing the robustness and specificity of the generated hash codes. Experimental results on benchmark datasets demonstrate that our method generates attribute-aware hash codes and consistently outperforms state-of-the-art techniques in retrieval accuracy and robustness, especially for low-bit hash codes, underscoring its potential in fine-grained image hashing tasks.
• Abstract（参考訳）: きめ細かいハッシュは、特に視覚的に類似したカテゴリ間の高い識別を必要とするシナリオにおいて、高速で効率的な画像検索の強力なソリューションとなっている。 それぞれのハッシュビットが特定の視覚属性に対応できるようにするために,属性認識型ハッシュコード学習に学習可能なクエリを利用する新しい手法を提案する。 この方法では、ハッシュ処理内でのニュアンス属性レベルの情報をキャプチャし、表現するために、調整されたクエリセットをデプロイし、各ハッシュビットの解釈可能性と関連性を両立させる。 このクエリベースの最適化フレームワークに基づいて、我々は、低ビットハッシュコードでしばしば発生する複雑なランドスケープ最適化の課題を軽減するために補助的なブランチを組み込んだ。 この補助分岐は高次属性相互作用をモデル化し、生成されたハッシュコードの堅牢性と特異性を補強する。 ベンチマークデータセットを用いた実験結果から,提案手法は属性認識ハッシュコードを生成し,検索精度とロバスト性,特に低ビットハッシュコードにおいて常に最先端の手法より優れており,きめ細かな画像ハッシュ処理におけるその可能性を示している。

関連論文リスト

• AutoSSVH: Exploring Automated Frame Sampling for Efficient Self-Supervised Video Hashing [72.10024026634976]
  Self-Supervised Video Hashing (SSVH)は、動画をハッシュコードに圧縮し、ラベルなしのトレーニングビデオを使用して効率的なインデックス付けと検索を行う。 既存のアプローチは、ビデオの特徴を学習し、すべてのフレームを平等に扱うためにランダムなフレームサンプリングに依存している。 本稿では,ハッシュベースのコントラスト学習を用いた対数フレームサンプリングを用いたAutoSSVHという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-04T16:56:17Z)
• Nested Hash Layer: A Plug-and-play Module for Multiple-length Hash Code Learning [61.095479786194836]
  Nested Hash Layer (NHL) は、深い教師付きハッシュモデルのためのプラグイン・アンド・プレイモジュールである。 NHLは、複数の長さのハッシュコードをネスト構造で同時に生成する。 NHLは、様々な深層型ハッシュモデルに対して、トレーニング速度を約5～8倍に向上させる。
  論文  参考訳（メタデータ） (2024-12-12T04:13:09Z)
• Attribute-Aware Deep Hashing with Self-Consistency for Large-Scale Fine-Grained Image Retrieval [65.43522019468976]
  本稿では属性認識ハッシュコードを生成するための自己整合性を持つ属性認識ハッシュネットワークを提案する。 本研究では,高レベル属性固有ベクトルを教師なしで蒸留する再構成タスクのエンコーダ・デコーダ構造ネットワークを開発する。 我々のモデルは,これらの属性ベクトルに特徴デコリレーション制約を設けて,それらの代表的能力を強化する。
  論文  参考訳（メタデータ） (2023-11-21T08:20:38Z)
• Unified Functional Hashing in Automatic Machine Learning [58.77232199682271]
  高速に統一された関数型ハッシュを用いることで,大きな効率向上が得られることを示す。 私たちのハッシュは"機能的"であり、表現やコードが異なる場合でも同等の候補を識別します。 ニューラルアーキテクチャ検索やアルゴリズム発見など、複数のAutoMLドメインで劇的な改善がなされている。
  論文  参考訳（メタデータ） (2023-02-10T18:50:37Z)
• Self-Distilled Hashing for Deep Image Retrieval [25.645550298697938]
  ハッシュベースの画像検索システムでは、元の入力から変換された入力は通常、異なるコードを生成する。 本稿では,拡張データの可能性を活用しつつ,相違を最小限に抑えるために,自己蒸留ハッシュ方式を提案する。 また、ハッシュプロキシに基づく類似性学習や、バイナリクロスエントロピーに基づく量子化損失を導入し、高品質なハッシュコードを提供する。
  論文  参考訳（メタデータ） (2021-12-16T12:01:50Z)
• Representation Learning for Efficient and Effective Similarity Search and Recommendation [6.280255585012339]
  この論文は、より表現力のある表現とより効果的な類似度尺度を通じてハッシュコードの有効性を向上させる表現学習に貢献する。 コントリビューションは、類似性検索とレコメンデーションに関連するいくつかのタスクで実証的に検証される。
  論文  参考訳（メタデータ） (2021-09-04T08:19:01Z)
• Deep Reinforcement Learning with Label Embedding Reward for Supervised Image Hashing [85.84690941656528]
  深層型ハッシュのための新しい意思決定手法を提案する。 我々はBose-Chaudhuri-Hocquenghem符号で定義された新しいラベル埋め込み報酬を用いて、深いQ-ネットワークを学ぶ。 我々の手法は、様々なコード長で最先端の教師付きハッシュ法より優れています。
  論文  参考訳（メタデータ） (2020-08-10T09:17:20Z)
• Multiple Code Hashing for Efficient Image Retrieval [16.750400008178293]
  本稿では,ハッシュバケット探索の性能向上のため,マルチコードハッシュ(MCH)と呼ばれる新しいハッシュフレームワークを提案する。 MCHは各画像の複数のハッシュコードを学習し、各コードは画像の異なる領域を表す。 我々の知る限りでは、画像検索において各画像に対する複数のハッシュコードを学習することを提案する最初の研究である。
  論文  参考訳（メタデータ） (2020-08-04T13:18:19Z)
• Reinforcing Short-Length Hashing [61.75883795807109]
  既存の手法は、非常に短いハッシュコードを用いた検索性能が劣っている。 本研究では, 短寿命ハッシュ(RSLH)を改良する新しい手法を提案する。 本稿では,ハッシュ表現とセマンティックラベルの相互再構成を行い,セマンティック情報を保存する。 3つの大規模画像ベンチマークの実験は、様々な短いハッシュシナリオ下でのRSLHの優れた性能を示す。
  論文  参考訳（メタデータ） (2020-04-24T02:23:52Z)
• Image Hashing by Minimizing Discrete Component-wise Wasserstein Distance [12.968141477410597]
  競合するオートエンコーダは、バランスよく高品質なハッシュコードを生成する堅牢で局所性を保存するハッシュ関数を暗黙的に学習できることが示されている。 既存の逆ハッシュ法は、大規模な画像検索に非効率である。 本稿では,サンプル要求と計算コストを大幅に低減した,新しい対向型オートエンコーダハッシュ手法を提案する。
  論文  参考訳（メタデータ） (2020-02-29T00:22:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。