TCGF：一种用于多视图表示学习的统一张量化共识图框架
机器学习
2023-09-20 v1 计算机视觉与模式识别
摘要
多视图学习技术因能够利用多视图间的一致性与互补信息，近期在机器学习领域受到显著关注。然而，由于当前大多数工作聚焦于特定风格的多视图模型，将现有工作统一为可扩展且鲁棒的学习框架的广义多视图框架研究仍显不足。此外，多数多视图学习工作严重依赖特定尺度场景，未能从整体有效理解多尺度。这些局限阻碍了多视图本质信息的有效融合，导致泛化性能不佳。为应对这些局限，本文提出一种称为张量化共识图框架（TCGF）的通用多视图表示学习框架。具体而言，它首先为现有多视图工作提供统一框架以利用各视图表示，旨在适用于任意假设与不同尺度数据集。随后，在对齐基础上将其堆叠为张量作为高阶表示，使一致性与互补信息在所有视图间平滑传播。此外，TCGF提出通过学习由所有视图自适应协作共享的共识嵌入来揭示多视图数据的本质结构，利用视图-共识分组效应正则化视图-共识表示。为进一步促进相关研究，我们给出了TCGF面向大规模数据集的具体实现，可通过交替优化策略高效求解。在七个不同尺度数据集上的实验结果表明，所提TCGF优于现有最优多视图学习方法。
引用
@article{arxiv.2309.09987,
title = {TCGF: A unified tensorized consensus graph framework for multi-view representation learning},
author = {Xiangzhu Meng and Wei Wei and Qiang Liu and Shu Wu and Liang Wang},
journal= {arXiv preprint arXiv:2309.09987},
year = {2023}
}