論文の概要: Self-supervised Multi-view Clustering in Computer Vision: A Survey
- arxiv url: http://arxiv.org/abs/2309.09473v1
- Date: Mon, 18 Sep 2023 04:11:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 15:11:15.564180
- Title: Self-supervised Multi-view Clustering in Computer Vision: A Survey
- Title(参考訳): コンピュータビジョンにおける自己教師付きマルチビュークラスタリング:調査
- Authors: Jiatai Wang, Zhiwei Xu, Xuewen Yang, Hailong Li, Bo Li, Xuying Meng
- Abstract要約: マルチビュークラスタリング(MVC)は、クロスモーダルな表現学習とデータ駆動型意思決定に重大な影響を与えている。
本稿では、自己監督型MVCの出現の理由と利点について考察する。
- 参考スコア(独自算出の注目度): 14.432997752719473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-view clustering (MVC) has had significant implications in cross-modal
representation learning and data-driven decision-making in recent years. It
accomplishes this by leveraging the consistency and complementary information
among multiple views to cluster samples into distinct groups. However, as
contrastive learning continues to evolve within the field of computer vision,
self-supervised learning has also made substantial research progress and is
progressively becoming dominant in MVC methods. It guides the clustering
process by designing proxy tasks to mine the representation of image and video
data itself as supervisory information. Despite the rapid development of
self-supervised MVC, there has yet to be a comprehensive survey to analyze and
summarize the current state of research progress. Therefore, this paper
explores the reasons and advantages of the emergence of self-supervised MVC and
discusses the internal connections and classifications of common datasets, data
issues, representation learning methods, and self-supervised learning methods.
This paper does not only introduce the mechanisms for each category of methods
but also gives a few examples of how these techniques are used. In the end,
some open problems are pointed out for further investigation and development.
- Abstract(参考訳): マルチビュークラスタリング (MVC) は近年, クロスモーダルな表現学習とデータ駆動型意思決定に重要な影響を与えている。
複数のビュー間の一貫性と相補的な情報を活用して、サンプルを個別のグループにクラスタ化する。
しかし、コンピュータビジョンの分野ではコントラスト学習が進化し続けており、自己教師型学習もかなりの研究進歩を遂げており、MVC手法では徐々に支配的になりつつある。
イメージとビデオデータの表現自体を監督情報としてマイニングするためにプロキシタスクを設計することで、クラスタリングプロセスをガイドする。
自己監督型MVCの急速な開発にもかかわらず、研究の進捗状況を分析し要約するための総合的な調査はまだ行われていない。
そこで本稿では,MVCの出現の理由とメリットを考察し,共通データセット,データ問題,表現学習手法,自己教師付き学習手法の内部接続と分類について考察する。
本稿では,メソッドのカテゴリごとのメカニズムを紹介するだけでなく,これらの手法の使い方を例に紹介する。
最終的に、さらなる調査と開発のためにいくつかのオープンな問題が指摘されている。
関連論文リスト
- Revisiting Self-supervised Learning of Speech Representation from a
Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。
我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。
我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文 参考訳(メタデータ) (2024-01-16T21:13:22Z) - Masked Modeling for Self-supervised Representation Learning on Vision
and Beyond [69.64364187449773]
仮面モデリングは、トレーニング中に比例的にマスキングされる元のデータの一部を予測する、独特なアプローチとして現れてきた。
マスクモデリングにおけるテクニックの詳細については,多様なマスキング戦略,ターゲット回復,ネットワークアーキテクチャなどについて詳述する。
我々は、現在の手法の限界について議論し、マスクモデリング研究を進めるためのいくつかの道のりを指摘した。
論文 参考訳(メタデータ) (2023-12-31T12:03:21Z) - A Novel Approach for Effective Multi-View Clustering with
Information-Theoretic Perspective [24.630259061774836]
本研究では,多視点クラスタリングフレームワークを情報理論の観点から検討する,SUMVC(Sufficient Multi-View Clustering)と呼ばれる新しい手法を提案する。
まず,変分解析を用いて一貫した情報を生成する,シンプルで信頼性の高いマルチビュークラスタリング手法SCMVCを開発する。
次に、一貫した情報を強化し、ビュー間の不要な情報を最小限に抑えるのに十分な表現境界を提案する。
論文 参考訳(メタデータ) (2023-09-25T09:41:11Z) - Multi-View Class Incremental Learning [57.14644913531313]
マルチビュー学習(MVL)は、下流タスクのパフォーマンスを改善するためにデータセットの複数の視点から情報を統合することで大きな成功を収めている。
本稿では,複数視点クラスインクリメンタルラーニング(MVCIL)と呼ばれる新しいパラダイムについて考察する。
論文 参考訳(メタデータ) (2023-06-16T08:13:41Z) - Cross-view Graph Contrastive Representation Learning on Partially
Aligned Multi-view Data [52.491074276133325]
マルチビュー表現学習は、過去数十年間で急速に発展し、多くの分野に応用されてきた。
本稿では,多視点情報を統合してデータアライメントを行い,潜在表現を学習する,新しいクロスビューグラフコントラスト学習フレームワークを提案する。
複数の実データを用いて実験を行い,クラスタリングおよび分類作業における提案手法の有効性を示した。
論文 参考訳(メタデータ) (2022-11-08T09:19:32Z) - Multimodal Clustering Networks for Self-supervised Learning from
Unlabeled Videos [69.61522804742427]
本稿では,共通のマルチモーダル埋め込み空間を学習する自己監督型トレーニングフレームワークを提案する。
インスタンスレベルのコントラスト学習の概念をマルチモーダルクラスタリングステップで拡張し,モダリティ間の意味的類似性を捉える。
結果として得られる埋め込みスペースは、見えないデータセットや異なるドメインからでも、すべてのモダリティにわたるサンプルの検索を可能にする。
論文 参考訳(メタデータ) (2021-04-26T15:55:01Z) - Self-supervised Discriminative Feature Learning for Multi-view
Clustering [12.725701189049403]
マルチビュークラスタリング(SDMVC)のための自己監視型識別機能学習の提案
具体的には、各ビューの組み込み機能を独立して学習するために、ディープオートエンコーダが適用される。
さまざまなタイプのマルチビューデータセットの実験は、SDMVCが最先端のパフォーマンスを達成することを示しています。
論文 参考訳(メタデータ) (2021-03-28T07:18:39Z) - 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)
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。