通过在线和离线处理解耦扩散实现高效图像检索

扩散方法在检索任务中常被用作排名或重排名手段，以实现更高的检索性能，并在近年来引起了广泛关注。然而，扩散的一个缺点是其执行速度较朴素的k近邻搜索（k-NN）慢，这在大规模数据集上会导致显著的在线计算成本。为克服这一弱点，本文提出了一种新颖的扩散技术。在我们的研究中，不是对查询进行扩散处理，而是预先计算数据库中每个元素的扩散结果，从而将在线搜索过程简化为基于k-NN搜索的线性组合。我们所提出的方法在在线搜索速度上提高了10倍左右。此外，我们建议使用后期截断而非先前工作中的早期截断，以获得更好的检索性能。