PulseAugur
中
实时 03:38:00
English(EN) Beyond Post-Quantization: Native Hash Learning with a Dedicated HASH Token

HashViT 引入原生哈希 Token 学习，实现高效图像检索

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 HashViT，一个新颖的 Vision Transformer 框架，专为大规模图像检索中的原生哈希 Token 学习而设计。与之前在量化后生成二值码的方法不同，HashViT 在 Transformer 架构中集成了一个专用的 HASH Token。这个 HASH Token 由一个 Hash Register 和一个 Semantic Workspace 组成，允许直接生成二值码并保留连续的语义信息。Hash Refinement Adapter 进一步增强了这些组件之间的交互，通过 Token 演化形成面向二值化的表示。实验表明，HashViT 在保持检索效率的同时取得了最先进的性能。 AI

影响 这项研究通过改进视觉特征到可搜索二值码的转换方式，有望带来更高效、更准确的大规模图像检索系统。

排序理由 这是一篇详细介绍用于图像检索的新模型架构和方法的学术论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

HashViT 引入原生哈希 Token 学习，实现高效图像检索

报道来源 [2]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Dayan Wu ·

    Beyond Post-Quantization: Native Hash Learning with a Dedicated HASH Token

    Efficient large-scale image retrieval requires compact representations that preserve semantic similarity under fast Hamming-space search. Deep hashing is appealing, but most existing CNN- and ViT-based methods still follow a post-quantization paradigm, where continuous visual fea…

  2. arXiv cs.CV TIER_1 English(EN) · Xinze Liu, Ding Wang, Hengjie Zhu, Dayan Wu ·

    Beyond Post-Quantization: Native Hash Learning with a Dedicated HASH Token

    arXiv:2607.03328v1 Announce Type: new Abstract: Efficient large-scale image retrieval requires compact representations that preserve semantic similarity under fast Hamming-space search. Deep hashing is appealing, but most existing CNN- and ViT-based methods still follow a post-qu…

相关实体

相关话题