ATTRIBUTE HASHING FOR ZERO-SHOT IMAGE RETRIEVAL

这一片应该是 zsh （Zero-Shot Hashing via Transferring Supervised Knowledge）提出者的后续工作。在zsh中，对于semantic space 和hash space之间，使用了一个矩阵转换来降低 semantic gap的问题。但是对于高级的感知空间和低级的图像特征之间的semantic gap。

ZSH tends to transfer supervised knowledge among homogeneous categories, e.g., “cat” and “dog”, which neglects the precious resources among heterogeneous categories, e.g., “airplane” and “bird” sharing supervised knowledge through the common attribute “wing”

作者尝试对属性进行建模，设计出一个多层的结构，属性在其中担任一个中间信号层的一个角色。

contribution：

• AH降低bianry code和label之间的sematic gap的同时，解决对unseen category的训练数据不足的问题。
• binary code、属性、label、visual feature被融入到一个统一的层次结构，使得语义信息能够顺利的进行转换。
• 保留binary code的离散性（discrete nature）和内在的局部结构信息（intrinsic local structural information）。没有传统的relaxation方法中的误差积累。