局部聚合向量（Vector of Locally Aggregated Descriptors，VLAD）
一種編碼方法，廣泛用於基於音頻的人臉識別、動態場景識別、頭部姿態分類等。
(1) 歐式空間的VLAD：
具有非常高的辨別能力
僅利用常規的VLAD能夠使用初始向量的加法和減法。
常規的歐式空間上的VLAD：
分 給定一個局部描述子集合，假設他們是高斯混合模型
和VLAD有關的只有關於均值的梯度部分，可以寫成下面形式：
在VLAD中，輸入空間被K個碼本劃分成K部分（給定碼書C）
1.通過KDtree找到與x最近的碼本賦值給u.
2.計算每個區域（共K個區域的累計殘差）
VLAD框架就是FV算法的一個簡化版本。（VLAD是FV的一個特例）
從（1）和（2）中我們可以看出，VLAD的特點：
1) VLAD利用hard assignment scheme(硬分配方法)
2) VLAD混合部分的協方差矩陣是對角的，而且是固定的。
（2）擴展到黎曼流形上
給定局部描述子
