基于概率对齐的自适应模板选择视图无对应聚类
计算机视觉与模式识别
2024-09-24 v1
摘要
在大多数现有的多视图建模场景中，来自不同视图中相同目标实例之间的跨视图对应关系（CVC）是轻松获得一致表示的关键前提。然而，在某些应用中，这一前提常常被破坏，因为每个视图是独立组织和传输的，导致视图无对应问题（VuP）。恢复无对应多视图数据的CVC是一个具有挑战性且高度依赖的任务，目前在研究社区中受到有限的关注。为解决这一实际问题，我们提出将置换推导过程集成到二分图范式中用于视图无对应聚类，称为基于概率对齐的自适应模板选择视图无对应聚类（PAVuC-ATS）。具体而言，我们通过二分图学习一致的锚点和视图特定图，并通过将两个潜在表示之间的对齐重新表述为具有自适应模板选择的马尔可夫链的两步转移，从而实现概率对齐。结果优化问题的收敛性在实验和理论上均得到验证。六个基准数据集上的大量实验表明，所提出的PAVuC-ATS优于基线方法。
引用
@article{arxiv.2409.14882,
title = {Probabilistically Aligned View-unaligned Clustering with Adaptive Template Selection},
author = {Wenhua Dong and Xiao-Jun Wu and Zhenhua Feng and Sara Atito and Muhammad Awais and Josef Kittler},
journal= {arXiv preprint arXiv:2409.14882},
year = {2024}
}
备注
12 pages, 6 figures