AAAI 2025| S5VH: 基于选择性状态空间的高效自监督视频哈希

文章预览

论文标题: Efficient Self-Supervised Video Hashing with Selective State Spaces (S5VH) 作者:  Jinpeng Wang, Niu Lian, Jun Li, Yuting Wang, Yan Feng, Bin Chen, Yongbing Zhang, Shu-Tao Xia 机构:  清华大学、哈尔滨工业大学（深圳）、美团、鹏城实验室 代码链接:  https://github.com/gimpong/AAAI25-S5VH https://modelscope.cn/models/JUN2005/AAAI2025-S5VH 论文链接： https://arxiv.org/abs/2412.14518 会议:  AAAI 2025 (Association for the Advancement of Artificial Intelligence) 01 研究背景 随着短视频、流媒体平台的爆发式增长， 如何高效地索引和检索视频数据 成为计算机视觉和多媒体领域的重要研究问题。 视频哈希（Video Hashing）  是一种通过学习 紧凑的二进制编码 来高效索引和检索视频的技术，其核心目标是使哈希码的 汉明距离（Hamming Distance） 能够准确地反映视频之间的语义相似性。 近年来， 自监督视频哈希（SSVH, Self-Supervised V ………………………………