本研究室的1篇论文Jian Zhang, Yuxin Peng, and Mingkuan Yuan, "Unsupervised Generative Adversarial Cross-modal Hashing"被AAAI 2018录用为长文。AAAI是人工智能领域的顶级国际会议，也是CCF推荐的A类会议。本次共有超过3800篇论文提交，接收率低于25%。祝贺张健同学，袁明宽同学！

　　针对现有无监督跨模态哈希方法仅仅考虑模态内部和模态之间的关联信息，但忽略了不同模态数据隐含的流形结构的问题，本文提出了无监督生成式对抗跨模态哈希方法，充分利用对抗式生成网络（GANs）学习数据分布的能力来有效建模跨模态数据中隐含的流形结构，从而提高跨模态检索效果。首先本方法提出了对抗式跨模态哈希网络，其中的生成式网络利用一种模态的数据去拟合另外一种模态数据的流形结构，其目的是在另一种模态特征空间中选择处于同一流形结构中的相似数据，而判别式网络则区分生成式网络选择的数据和真实处于流形结构中的数据。两个网络通过对抗训练的方式互相促进，提高跨模态检索效果。其次本方法提出了一个关联图模型，将不同模态的数据进行统一建模，使得处于同一流形结构中的不同模态数据汉明距离更小，从而提升跨模态检索准确率。本方法的有效性在2个广泛使用的跨模态数据集NUS-WIDE和MIRFlickr上得到了验证。
       

论文下载: Unsupervised Generative Adversarial Cross-modal Hashing【pdf】【arXiv】