主页
2013-06-21：本研究室独立完成的1篇跨媒体检索论文被多媒体领域顶级国际期刊TCSVT接收
本研究室的1篇跨媒体检索论文被TCSVT2013接收为Regular论文：Xiaohua Zhai, Yuxin Peng, and Jianguo Xiao, "Learning Cross-Media Joint Representation with Sparse and Semi-Supervised Regularization"，IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)。祝贺翟晓华同学。
该论文针对跨媒体检索中如何统一表示不同媒体类型的难题，提出了基于稀疏和半监督图规约的统一表示学习算法，能够有效映射不同媒体内容到统一的特征表示空间上，以支持基于内容的跨媒体检索。该算法一方面能够共同学习出不同媒体类型的稀疏特征映射矩阵，使得不同媒体类型之间能够互相促进，另一方面我们也共同考虑了不同媒体类型的未标注数据，进一步提高了训练样本的多样性及模型准确性。该方法的有效性在包含五种媒体（文本、图像、视频、音频、3D）的跨媒体数据集上得到了验证。特别地，本文也是跨媒体检索领域首个能够同时支持五种媒体类型的工作。
该论文针对跨媒体检索中如何统一表示不同媒体类型的难题，提出了基于稀疏和半监督图规约的统一表示学习算法，能够有效映射不同媒体内容到统一的特征表示空间上，以支持基于内容的跨媒体检索。该算法一方面能够共同学习出不同媒体类型的稀疏特征映射矩阵，使得不同媒体类型之间能够互相促进，另一方面我们也共同考虑了不同媒体类型的未标注数据，进一步提高了训练样本的多样性及模型准确性。该方法的有效性在包含五种媒体（文本、图像、视频、音频、3D）的跨媒体数据集上得到了验证。特别地，本文也是跨媒体检索领域首个能够同时支持五种媒体类型的工作。