利用多样性促进互补性的自注意力多视图表示学习
机器学习
2022-01-04 v1 计算机视觉与模式识别
摘要
多视图学习试图通过利用多视图数据之间的一致性和/或互补性来生成性能更优的模型。然而，在互补性方面，大多数现有方法只能找到具有单一互补性的表示，而非具有多样性的互补信息。本文为同时利用互补性与一致性，充分发挥深度学习在掌握多样性促进互补性用于多视图表示学习中的潜力，提出了一种新颖的有监督多视图表示学习算法，称为具有多样性促进互补性的自注意力多视图网络（SAMVDPC），其通过一组编码器利用一致性，并使用自注意力来发现蕴含多样性的互补信息。在八个真实世界数据集上进行的广泛实验证明了我们所提方法的有效性，并显示出其相对于仅考虑单一互补信息的几种基线方法的优越性。
引用
@article{arxiv.2201.00168,
title = {Self-attention Multi-view Representation Learning with Diversity-promoting Complementarity},
author = {Jian-wei Liu and Xi-hao Ding and Run-kun Lu and Xionglin Luo},
journal= {arXiv preprint arXiv:2201.00168},
year = {2022}
}