研究人员引入了基于 Kent 的分布代理哈希 (KDPH)，这是一个新颖的框架，旨在解决深度跨模态哈希中的梯度冲突，尤其是在多标签场景中。与使用确定性点作为类别代理的现有方法不同，KDPH 将代理表示为超球面上的各向异性 Kent 分布。这种方法允许模型通过动态调整其方差来吸收梯度冲突，在容纳各种标签相关性的同时保持稳定的语义均值。该框架还包含一个定制的损失函数，该函数使用 Cayley 变换来实现稳定的训练和正交性强制执行。在基准数据集上的实验表明，KDPH 有效地缓解了代理崩溃，并且优于当前最先进的方法。 AI
影响 这项研究可以提高处理复杂、多标签数据的海量检索系统的准确性和稳定性。
排序理由 该集群包含一篇详细介绍新技术框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
