2. 論文
Title :
Joint Inverted Indexing
Author:
Yan Xia, Fang Wen
(University of Science and Technology of China),
Kaiming He, Jian Sun
(Microsoft Research Asia)
2
3. 論文
Title :
Joint Inverted Indexing
学生．多分MSRAでイン
ターンで行った研究
Author:
Yan Xia, Fang Wen
(University of Science and Technology of China),
Kaiming He, Jian Sun
(Microsoft Research Asia)
3
4. 論文
Title :
Joint Inverted Indexing
学生．多分MSRAでイン
ターンで行った研究
Author:
Yan Xia, Fang Wen
(University of Science and Technology of China),
Kaiming He, Jian Sun
Optimized Product
(Microsoft Research Asia)
Quantization の著者の方．
4
56. 参考文献(1/2)
MIH [CVPR 12]
M. Norouzi, et al. “Fast Search in Hamming Space with Multi-Index Hashing” CVPR 2012
実はhamming系の手法はこれを使うとめちょ早くなる．ただ速度がクエリに依存する．PAMIるよ
うで，ジャーナルバージョンは M. Norouzi, et al. “Fast Exact Search in Hamming Space with Multi-Index
Hashing” PAMI 2014
SH [NIPS 08]
Y. Weiss, et al. “Spectral Hashing” NIPS 2008
Hamming系の走り．配布コードがシンプルで，みんなこれに合わせている
ITQ [CVPR 11]
Y. Gong, et al. “Iterative Quantization: A Procrustean Approach to Learning Binary Codes” CVPR 2011
Hamming系は一時期みんなこれを比較対象にしていた．
K-means Hashing [CVPR 13]
K. He, et al. “K-means Hashing: an Affinity-Preserving Quantization Method for Learning Binary Compact
Codes” CVPR 2013
イントロでの分野の外観説明が分かり易く，HammingベースとLookupベースの分類はこの論文よ
り．ITQの考え方を推し進めて，Hamming系とLookup系をつなぐ手法だと自分で言っている
PQ [PAMI 11]
H. Jegou, et al. “Product Quantization for Nearest Neighbor Search” PAMI 2011
今回の手法の大元はこのIVFADCなので，取り合えず読む必要がある．実験が恐ろしくしっかりし
ていて辛い気持ちになる
56
57. 参考文献(2/2)
IMI [CVPR 12]
A. Babenko and V. Lempitsky “The Inverted Multi-Index” CVPR 2012
IVFADCの粗い量子化をPQに置き換えたもの．この論文でも既存手法としてこいつを相手にしてい
る
What Is [ICCV 13]
M. Iwamura, et al. “What Is the Most Efficient Way to Select Nearest Neighbor Candidates for Fast
Approximate Nearest Neighbor Search?” ICCV 2013
大阪府立大のグループ．IMIの粗いPQ計算の高速化
Optimized PQ [CVPR 13]
T. Ge, et al. “Optimized Product Quantization for Approximate Nearest Neighbor Search” CVPR 2013
PQするときの次元分割をエラー最少でやる最適化．最終的には回転行列を求めるだけになる．
PAMIバージョン（T. Ge, et al. “Optimized Product Quantization” PAMI 2014）ではIMIに対しこれを
行っていて，現状のstate-of-the-art感がある
Cartesian K-means [CVPR 13]
M. Norouzi and D. J. Fleet, “Cartesian k-means” CVPR 2013
Optimized PQと全く同じ会議で全く同じ内容だったという事例．立式が洒落ている．Optimized PQ
のほうが先にPAMIっているので戦略負けしたのか感がある
Random Projection Tree[Freund, STOC 07]
S. Dasgupta and Y. Freund. “Random Projection Trees and Low Dimensional Manifolds” STOC 2007
CVPR13 best paper [Dean 13]
T. Dean, et al. “Fast, Accurate Detection of 100,000 Object Classes on a Single Machine” CVPR 2013
CVPR13のベストペーパーで，機械学習の学習段階でhamming系のANNを利用することで高速に学
習する．なのでよりたくさんの特徴量つっこめるので精度上がるという企業パワー全開な論文．
今後ANNが使われる文脈の一つなのか？
57
