論文の概要: Multi-view Alignment and Generation in CCA via Consistent Latent Encoding

• arxiv url: http://arxiv.org/abs/2005.11716v1
• Date: Sun, 24 May 2020 10:50:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 13:16:29.164667
• Title: Multi-view Alignment and Generation in CCA via Consistent Latent Encoding
• Title（参考訳）: 連続潜時符号化によるCCAの多視点アライメントと生成
• Authors: Yaxin Shi, Yuangang Pan, Donna Xu and Ivor W. Tsang
• Abstract要約: マルチビューアライメントは多くの実世界のマルチビューアプリケーションにおいて重要である。 本稿ではベイズの視点から多視点アライメントを考察する。 本稿では,一貫した潜伏符号化を実現する Adversarial CCA (ACCA) を提案する。
• 参考スコア（独自算出の注目度）: 34.57297855115903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-view alignment, achieving one-to-one correspondence of multi-view inputs, is critical in many real-world multi-view applications, especially for cross-view data analysis problems. Recently, an increasing number of works study this alignment problem with Canonical Correlation Analysis (CCA). However, existing CCA models are prone to misalign the multiple views due to either the neglect of uncertainty or the inconsistent encoding of the multiple views. To tackle these two issues, this paper studies multi-view alignment from the Bayesian perspective. Delving into the impairments of inconsistent encodings, we propose to recover correspondence of the multi-view inputs by matching the marginalization of the joint distribution of multi-view random variables under different forms of factorization. To realize our design, we present Adversarial CCA (ACCA) which achieves consistent latent encodings by matching the marginalized latent encodings through the adversarial training paradigm. Our analysis based on conditional mutual information reveals that ACCA is flexible for handling implicit distributions. Extensive experiments on correlation analysis and cross-view generation under noisy input settings demonstrate the superiority of our model.
• Abstract（参考訳）: マルチビューアライメント(マルチビュー入力の1対1対応)は、実世界の多くのマルチビューアプリケーション、特にクロスビューデータ解析問題において重要である。 近年,canonical correlation analysis (cca) を用いたアライメント問題の研究が増えている。 しかしながら、既存のccaモデルは、不確実性を無視したり、複数のビューの一貫性のないエンコーディングによって、複数のビューを誤認しがちである。 この2つの問題に取り組むため,本論文ではベイズの視点から多視点アライメントについて検討する。 非一貫性エンコーディングの障害について考察し,多視点確率変数の結合分布を異なる分解形態で辺縁化することにより,多視点入力の対応を回復する。 本設計を実現するために, 適応学習パラダイムを用いて, 辺縁化潜在符号化をマッチングすることにより一貫した潜時符号化を実現する Adversarial CCA (ACCA) を提案する。 条件付き相互情報に基づく分析の結果,ACCAは暗黙の分布に柔軟であることがわかった。 ノイズ入力条件下での相関解析とクロスビュー生成に関する広範囲な実験により,モデルの優越性が示された。

関連論文リスト

• Towards Aligned Canonical Correlation Analysis: Preliminary Formulation and Proof-of-Concept Results [6.933535396099733]
  正準相関解析(CCA)は、データの複数のビューを最大相関した潜在空間に埋め込むために広く応用されている。 従来の手法で要求される様々なデータ視点の整合性は、多くの実践例において不明確である。 本稿では、アライメントとマルチビュー埋め込みを反復的に解決し、この問題に対処する新しいフレームワークであるACCAを提案する。
  論文  参考訳（メタデータ） (2023-12-01T02:24:07Z)
• DealMVC: Dual Contrastive Calibration for Multi-view Clustering [78.54355167448614]
  マルチビュークラスタリングのための新しいデュアルコントラストキャリブレーションネットワーク(DealMVC)を提案する。 まず、グローバルなクロスビュー特徴を得るための融合機構を設計し、その上で、ビュー特徴類似性グラフと高信頼な擬ラベルグラフを整列させることにより、グローバルなコントラストキャリブレーション損失を提案する。 トレーニング手順の間、対話型クロスビュー機能は、ローカルレベルとグローバルレベルの両方で共同最適化される。
  論文  参考訳（メタデータ） (2023-08-17T14:14:28Z)
• Deep Incomplete Multi-view Clustering with Cross-view Partial Sample and Prototype Alignment [50.82982601256481]
  深層不完全なマルチビュークラスタリングのためのクロスビュー部分サンプルとプロトタイプアライメントネットワーク(CPSPAN)を提案する。 従来のコントラストベースの手法とは異なり、インスタンスとインスタンスの対応構築を導くために、ペア観測データアライメントを「プロキシ監視信号」として採用する。
  論文  参考訳（メタデータ） (2023-03-28T02:31:57Z)
• A Unifying Perspective on Multi-Calibration: Game Dynamics for Multi-Objective Learning [63.20009081099896]
  マルチキャリブレーション予測器の設計と解析のための統一フレームワークを提供する。 ゲームダイナミクスとの接続を利用して,多様なマルチ校正学習問題に対する最先端の保証を実現する。
  論文  参考訳（メタデータ） (2023-02-21T18:24:17Z)
• Deep Multi-View Semi-Supervised Clustering with Sample Pairwise Constraints [10.226754903113164]
  本稿では,ネットワークファインタニングにおける3種類の損失を協調的に最適化するDMSC法を提案する。 提案手法は,最先端のマルチビューやシングルビューの競合よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-10T08:51:56Z)
• Variational Interpretable Learning from Multi-view Data [2.687817337319978]
  DICCAは、多視点データの共有とビュー固有のバリエーションの両方を分離するように設計されている。 実世界のデータセットにおける実証的な結果は、我々の手法がドメイン間で競合していることを示している。
  論文  参考訳（メタデータ） (2022-02-28T01:56:44Z)
• Deep Partial Multi-View Learning [94.39367390062831]
  クロスパーシャル・マルチビュー・ネットワーク(CPM-Nets)と呼ばれる新しいフレームワークを提案する。 我々はまず、多視点表現に対する完全性と汎用性の形式的な定義を提供する。 そして、理論的に学習された潜在表現の多元性を証明する。
  論文  参考訳（メタデータ） (2020-11-12T02:29:29Z)
• Generative Partial Multi-View Clustering [133.36721417531734]
  本稿では,不完全なマルチビュー問題に対処するため,GP-MVCと呼ばれる生成的部分的マルチビュークラスタリングモデルを提案する。 まず、マルチビューエンコーダネットワークをトレーニングして、一般的な低次元表現を学習し、次にクラスタリング層を使用して複数のビューをまたいだ一貫したクラスタ構造をキャプチャする。 第2に、他のビューが与える共有表現に基づいて、1つのビュー条件の欠落データを生成するために、ビュー固有の生成敵ネットワークを開発する。
  論文  参考訳（メタデータ） (2020-03-29T17:48:27Z)
• Variational Inference for Deep Probabilistic Canonical Correlation Analysis [49.36636239154184]
  線形多視点層と深層生成ネットワークを観測モデルとして構成した深部確率的多視点モデルを提案する。 潜在確率多視点層の後方分布を近似した効率的な変分推論法を開発した。 任意の数のビューを持つモデルへの一般化も提案されている。
  論文  参考訳（メタデータ） (2020-03-09T17:51:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。