Кодбук-центричное глубокое хеширование: Совместное сквозное обучение семантических хеш-центров и нейронной хеш-функции
Краткое содержание
arXiv:2511.12162v1 Тип объявления: cross Аннотация: Методы глубокого хеширования на основе хеш-центров улучшают подходы, основанные на парах или тройках, путем назначения фиксированных хеш-центров для каждого класса в качестве целевых значений обучения, что позволяет избежать неэффективности оптимизации локального подобия. Однако случайная инициализация центров часто игнорирует межклассовые семантические связи. В то время как существующие двухэтапные методы смягчают эту проблему, сначала уточняя хеш-центры с учетом семантики, а затем обучая хеш-функцию, они вносят дополнительную сложность, вычислительные затраты и демонстрируют неоптимальную производительность из-за рассогласования между этапами. Чтобы устранить эти ограничения, мы предлагаем **Метод хеширования с перераспределением центров (Center-Reassigned Hashing, CRH)** — сквозную архитектуру, которая **динамически перераспределяет хеш-центры** из предустановленного кодовой книги, одновременно оптимизируя хеш-функцию. В отличие от предыдущих методов, CRH адаптирует хеш-центры к распределению данных **без явных фаз оптимизации центров**, обеспечивая бесшовную интеграцию.
Полный текст статьи пока не загружен.