计算机视觉中的自监督多视图聚类：综述
计算机视觉与模式识别
2023-09-19 v1
摘要
多视图聚类（MVC）近年来对跨模态表示学习与数据驱动决策产生了重要影响。它通过利用多个视图间的一致性与互补信息，将样本聚类为不同组别。然而，随着对比学习在计算机视觉领域的持续发展，自监督学习也取得了实质性研究进展，并逐步在 MVC 方法中占据主导。它通过设计代理任务来挖掘图像与视频数据自身的表示作为监督信息，从而引导聚类过程。尽管自监督 MVC 发展迅速，但尚未有全面综述来分析与总结当前的研究进展状态。因此，本文探讨了自监督 MVC 出现的原因与优势，并讨论了常用数据集、数据问题、表示学习方法与自监督学习方法之间的内部联系与分类。本文不仅介绍了各类方法的机制，还给出了若干这些技术如何被使用的示例。最后，指出了一些有待进一步研究与发展的开放问题。
引用
@article{arxiv.2309.09473,
title = {Self-supervised Multi-view Clustering in Computer Vision: A Survey},
author = {Jiatai Wang and Zhiwei Xu and Xuewen Yang and Hailong Li and Bo Li and Xuying Meng},
journal= {arXiv preprint arXiv:2309.09473},
year = {2023}
}