computer-vision - 二进制描述符的词袋

Question

在图像描述符的经典词袋范式中，我们：

1. 为每个图像定义一组描述符
2. 我们在所有图像的所有描述符集上午餐 k-means
3. 结果，每个描述符都分配给一个集群
4. 我们定义“视觉词”（或者换句话说，如何通过向量来表示图像）：对于每张图像，我们将i-th“视觉词”向量的维度定义为属于i-th集群的描述符的数量。
5. 我们已经获得了一个k-dimension代表我们图像的“视觉词”向量。

这种方法非常适合复杂且昂贵的 SIFT 描述符……但对于二进制和快速描述符（如 Brief、ORB、BRISK 或 FREAK）是否相同？

根据这篇文章没有区别，但我想知道是否k-means可以在二进制空间中有效地计算昂贵的算法（或者是否有更好的聚类算法），或者是否有另一种方法来使用二进制向量的词袋模型。