VALSE 论文速览 第17期：基于对比预测的缺失视图聚类方法

论文题目：基于对比预测的缺失视图聚类方法

作者列表：林义杰 (四川大学)，缑元彪 (四川大学)，刘子韬 (好未来教育集团)，李伯运 (四川大学)，吕建成 (四川大学)，彭玺 (四川大学)

B站观看网址：

https://www.bilibili.com/video/BV1Ub4y1a7Zy/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

实际应用中，由于数据采集和传输过程的复杂性，数据可能会丢失部分视图，这就导致了信息不完备下的视图缺失问题。例如在线会议中，一些视频帧可能由于传感器故障而丢失了视觉或音频信号。针对该问题，过去十多年已提出了一些不完全多视图聚类方法并取得了显著效果。但视图缺失问题仍面临两个主要挑战：1）如何在不利用标签信息的情况下学习一致的多视图公共表示；2）如何从部分缺失的数据中还原完整的数据。针对上述挑战，受近期Tsai等在ICLR2021上发表的工作所启发，本文提供了一个新的不完全多视图聚类见解，即不完全多视图聚类中的数据恢复和一致性学习是一体两面的，两者可统一到信息论的框架中。基于上述观察，论文提出了对偶预测范式并将其与对比学习结合，通过一个新的损失函数实现了跨视图一致性与可恢复性的联合优化。大量的实验验证了所提出的损失函数的有效性。

论文信息：

[1] Yijie Lin, Yuanbiao Gou, Zitao Liu, Boyun Li, Jiancheng Lv, Xi Peng*, COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Jun. 19-25, 2021. Online.

论文链接：

[https://openaccess.thecvf.com/content/CVPR2021/papers/Lin_COMPLETER_Incomplete_Multi-View_Clustering_via_Contrastive_Prediction_CVPR_2021_paper.pdf]

代码链接：

[https://github.com/XLearning-SCU/2021-CVPR-Completer]

视频讲者简介：

林义杰，四川大学博士生，导师为彭玺教授，研究方向为无监督表示学习与多模态学习。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：张长青 (天津大学)、江波 (安徽大学)

季度责任AC：许永超 (武汉大学)