Wasserstein 对齐双曲多视图聚类
计算机视觉与模式识别
2025-12-11 v1
摘要
多视图聚类（MVC）旨在通过学习视图共享信息和视图特定信息来揭示多视图数据的潜在结构。尽管近期研究探索了双曲表示以更好地处理不同视图之间的表示差距，但它们主要关注实例级对齐而忽视了全局语义一致性，使其容易受到视图特定信息（如噪声和跨视图差异）的影响。为此，本文提出了一种新颖的 Wasserstein 对齐双曲（WAH）多视图聚类框架。具体而言，我们为每个视图使用视图特定的双曲编码器将特征嵌入 Lorentz 流形以进行层次化语义建模。随后，引入基于双曲切片 Wasserstein 距离的全局语义损失以对齐各视图间的流形分布。此后，通过软聚类分配来鼓励跨视图语义一致性。在多个基准数据集上的大量实验表明，我们的方法可实现最优聚类性能。
引用
@article{arxiv.2512.09402,
title = {Wasserstein-Aligned Hyperbolic Multi-View Clustering},
author = {Rui Wang and Yuting Jiang and Xiaoqing Luo and Xiao-Jun Wu and Nicu Sebe and Ziheng Chen},
journal= {arXiv preprint arXiv:2512.09402},
year = {2025}
}
备注
14 pages