近日，实验室2021级硕士生张雪凝一篇论文“Semi-supervised Semi-paired Cross-modal Hashing”（作者：张雪凝，刘兴波，聂秀山，康潇，尹义龙）被IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)录用。TCSVT是视频处理领域的权威期刊，属于CCF B类期刊、中科院一区Top期刊，最新影响因子为8.4。

跨模态哈希是多媒体大数据检索领域的重要技术，因其存储与检索的高效性而受到广泛关注。然而，现有方法在挖掘无标注、未配对数据的语义关联信息时往往表现欠佳，进而限制了哈希学习模型的可扩展性。为了解决这一问题，论文针对标签信息与配对关系缺失的复杂数据场景，提出了一个通用的半监督半配对跨模态哈希学习方法（SSCH）。具体而言，我们首先设计了一个无需模态对齐的伪标签策略，从而兼容半监督场景与半配对数据场景。其次，提出基于标签增强的半配对哈希算法，高效地建立跨模态语义关联。随后，基于统计分析证明了SSCH的保相似性，并证明了所提出半配对哈希算法的稳定性。在三个基准数据集上的检索实验表明，SSCH能够有效应用于多种复杂数据场景，并且在不同场景中均取得了令人满意的精度和可扩展性。