基于双曲空间深度二值嵌入的大规模图像检索方法研究

本文提出了一种创新的深度双曲二值嵌入框架（DBHE），通过将视觉Transformer（ViT）提取的特征映射到庞加莱球（Poincaré ball）双曲空间，有效捕捉图像数据的层次语义结构。该方法设计了基于双曲距离的成对交叉熵损失函数，显著提升了哈希码的判别性，在MIRFLICKR-25K等数据集上验证了其检索性能优势。

　　

亮点

• 通过庞加莱球投影将嵌入特征引入双曲空间（Hyperbolic Space），利用其指数级体积增长特性建模层次语义结构

• 开发基于双曲距离的成对交叉熵损失（Pairwise Cross-Entropy Loss），优化相似样本的紧凑性和异类样本的分离性

• 在MIRFLICKR-²⁵K、NUS-WIDE和MS COCO数据集上验证了算法优势

方法学

本框架包含两大核心模块：

1）特征提取模块：采用视觉Transformer（ViT）捕捉图像深层语义

2）哈希学习模块：通过双曲空间投影和新型损失函数，生成具有层次感知能力的二进制哈希码

实验验证

在三大基准数据集上的实验表明：

• 相比欧几里得空间方法，DBHE在mAP和P@N等指标上显著提升

• 双曲嵌入能有效保持"猫科动物→布偶猫/斯芬克斯猫"等层级语义关系

结论与展望

DBHE框架通过双曲几何特性突破传统哈希检索瓶颈，未来可探索：

1）动态曲率双曲空间优化

2）跨模态层次语义建模

作者贡献声明

张梦茹：论文撰写/算法设计；王恩浩：数据采集/代码实现；秦启兵：课题指导/基金支持；侯金奎：技术监督；张文峰：方法论研究；黄磊：项目管理

利益冲突声明

作者声明无潜在竞争性利益

致谢

感谢国家自然科学基金（62302338）和山东省自然科学基金（ZR2022QF046）等项目的资助

（注：根据要求已去除文献引用标识[1][2]及图1(a)(b)等标注，专业术语保留英文缩写并规范使用^标签）