論文の概要: DualHash: A Stochastic Primal-Dual Algorithm with Theoretical Guarantee for Deep Hashing

• arxiv url: http://arxiv.org/abs/2510.18218v1
• Date: Tue, 21 Oct 2025 01:52:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.75897
• Title: DualHash: A Stochastic Primal-Dual Algorithm with Theoretical Guarantee for Deep Hashing
• Title（参考訳）: DualHash: ディープハッシュのための理論的保証を備えた確率的プリマルダイアルアルゴリズム
• Authors: Luxuan Li, Xiao Wang, Chunfeng Cui,
• Abstract要約: ディープハッシュの根本的な課題は、コードの生成における量子化の離散性に起因する。 本稿では、厳密な境界を提供するDualHashと呼ばれる原始合成ハッシュアルゴリズムを提案する。 3つの画像検索データベースは、DualHashの優れた性能を示している。
• 参考スコア（独自算出の注目度）: 6.024178662558234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep hashing converts high-dimensional feature vectors into compact binary codes, enabling efficient large-scale retrieval. A fundamental challenge in deep hashing stems from the discrete nature of quantization in generating the codes. W-type regularizations, such as $||z|-1|$, have been proven effective as they encourage variables toward binary values. However, existing methods often directly optimize these regularizations without convergence guarantees. While proximal gradient methods offer a promising solution, the coupling between W-type regularizers and neural network outputs results in composite forms that generally lack closed-form proximal solutions. In this paper, we present a stochastic primal-dual hashing algorithm, referred to as DualHash, that provides rigorous complexity bounds. Using Fenchel duality, we partially transform the nonconvex W-type regularization optimization into the dual space, which results in a proximal operator that admits closed-form solutions. We derive two algorithm instances: a momentum-accelerated version with $\mathcal{O}(\varepsilon^{-4})$ complexity and an improved $\mathcal{O}(\varepsilon^{-3})$ version using variance reduction. Experiments on three image retrieval databases demonstrate the superior performance of DualHash.
• Abstract（参考訳）: ディープハッシュは、高次元特徴ベクトルをコンパクトなバイナリコードに変換し、より効率的な大規模検索を可能にする。 ディープハッシュの根本的な課題は、コードの生成における量子化の離散性に起因する。 W型正規化(例えば $|z|-1|$)は変数を二進値へ導くことで有効であることが証明されている。 しかし、既存の手法はしばしば収束保証なしでこれらの正規化を直接最適化する。 近位勾配法は有望な解を提供するが、W型正規化器とニューラルネットワークの出力の結合は一般に閉形式近位解を欠く複合形式をもたらす。 本稿では、厳密な複雑性境界を提供するDualHashと呼ばれる確率的原始双対ハッシュアルゴリズムを提案する。 フェンシェル双対性を用いて、非凸なW型正規化最適化を双対空間に部分的に変換し、閉形式解を持つ近位作用素を得る。 2つのアルゴリズムの例を導いた: $\mathcal{O}(\varepsilon^{-4})$複雑さを持つ運動量加速版と、分散還元を用いた$\mathcal{O}(\varepsilon^{-3})$バージョンである。 3つの画像検索データベースの実験は、DualHashの優れた性能を示している。

関連論文リスト

• A One-Sample Decentralized Proximal Algorithm for Non-Convex Stochastic Composite Optimization [10.762749887051546]
  本稿では,Proxcal$DASA-GTとProxcal$DASA-Aの2時間スケールアルゴリズムを提案する。 以前の作業とは異なり、我々のアルゴリズムは、大きなバッチサイズ、より複雑な単位演算、より強い仮定を必要とせずに、同等の複雑さを達成する。
  論文  参考訳（メタデータ） (2023-02-20T05:16:18Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Asymmetric Scalable Cross-modal Hashing [51.309905690367835]
  クロスモーダルハッシュは、大規模なマルチメディア検索問題を解決する方法として成功している。 これらの問題に対処する新しい非対称スケーラブルクロスモーダルハッシュ(ASCMH)を提案する。 我々のASCMHは、最先端のクロスモーダルハッシュ法よりも精度と効率の点で優れています。
  論文  参考訳（メタデータ） (2022-07-26T04:38:47Z)
• CIMON: Towards High-quality Hash Codes [63.37321228830102]
  我々はtextbfComprehensive stextbfImilarity textbfMining と ctextbfOnsistency leartextbfNing (CIMON) という新しい手法を提案する。 まず、グローバルな洗練と類似度統計分布を用いて、信頼性とスムーズなガイダンスを得る。第二に、意味的整合性学習とコントラスト的整合性学習の両方を導入して、乱不変と差別的ハッシュコードの両方を導出する。
  論文  参考訳（メタデータ） (2020-10-15T14:47:14Z)
• Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth Nonlinear TD Learning [145.54544979467872]
  本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。 本研究の結果は, 同時一次および二重側収束の形で表される。
  論文  参考訳（メタデータ） (2020-08-23T20:36:49Z)
• Generative Semantic Hashing Enhanced via Boltzmann Machines [61.688380278649056]
  既存の生成ハッシュ法は、主に後部分布の分解形式を仮定する。 本稿では,ボルツマンマシンの分布を検索後部として利用することを提案する。 ハッシュコード内の異なるビット間の相関関係を効果的にモデル化することにより、我々のモデルは大幅な性能向上を達成できることを示す。
  論文  参考訳（メタデータ） (2020-06-16T01:23:39Z)
• Procrustean Orthogonal Sparse Hashing [3.302605292858623]
  昆虫の嗅覚は, スパースハッシュと構造的に, 機能的に類似していることが示されている。 本稿ではこれらの知見を統一する新しい方法であるPOSH(Procrustean Orthogonal Sparse Hashing)を提案する。 本稿では,これらの欠陥に対処する2つの新しい手法,Binary OSLとSphericalHashを提案する。
  論文  参考訳（メタデータ） (2020-06-08T18:09:33Z)
• Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator [62.26981903551382]
  バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。 本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。 この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-05-21T06:11:33Z)
• Sparse Hashing for Scalable Approximate Model Counting: Theory and Practice [36.8421113576893]
  n 変数上の CNF 式 F が与えられたとき、モデルカウントや #SAT の問題は F の満足な割り当ての数を計算することである。 近年,効率的なアルゴリズム技術開発への取り組みが急増している。
  論文  参考訳（メタデータ） (2020-04-30T11:17:26Z)

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。