論文の概要: Phase-Consistent Magnetic Spectral Learning for Multi-View Clustering

• arxiv url: http://arxiv.org/abs/2602.18728v1
• Date: Sat, 21 Feb 2026 06:04:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.266893
• Title: Phase-Consistent Magnetic Spectral Learning for Multi-View Clustering
• Title（参考訳）: 多視点クラスタリングのための位相一貫性磁気スペクトル学習
• Authors: Mingdong Lu, Zhikui Chen, Meng Liu, Shubin Ma, Liang Zhao,
• Abstract要約: 教師なしのマルチビュークラスタリングは、ラベルなしで複数のビューから補完的な情報を活用することで、データを有意義なグループに分割することを目的としている。 既存のアプローチは、しばしばマグニチュードのみの親和性や初期の擬似的ターゲットに依存しており、異なる視点が同等の強度を持つが矛盾する方向傾向を持つ関係を誘導すると不安定になる可能性がある。 本稿では,MVC における EmphPhase-Consistent Magnetic Spectral Learning を提案する。
• 参考スコア（独自算出の注目度）: 18.462238432927915
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised multi-view clustering (MVC) aims to partition data into meaningful groups by leveraging complementary information from multiple views without labels, yet a central challenge is to obtain a reliable shared structural signal to guide representation learning and cross-view alignment under view discrepancy and noise. Existing approaches often rely on magnitude-only affinities or early pseudo targets, which can be unstable when different views induce relations with comparable strengths but contradictory directional tendencies, thereby distorting the global spectral geometry and degrading clustering. In this paper, we propose \emph{Phase-Consistent Magnetic Spectral Learning} for MVC: we explicitly model cross-view directional agreement as a phase term and combine it with a nonnegative magnitude backbone to form a complex-valued magnetic affinity, extract a stable shared spectral signal via a Hermitian magnetic Laplacian, and use it as structured self-supervision to guide unsupervised multi-view representation learning and clustering. To obtain robust inputs for spectral extraction at scale, we construct a compact shared structure with anchor-based high-order consensus modeling and apply a lightweight refinement to suppress noisy or inconsistent relations. Extensive experiments on multiple public multi-view benchmarks demonstrate that our method consistently outperforms strong baselines.
• Abstract（参考訳）: 非教師付きマルチビュークラスタリング(MVC)は、ラベルのない複数のビューから補完的な情報を活用することで、データを有意義なグループに分割することを目的としている。 既存のアプローチは、しばしばマグニチュードのみの親和性や初期の擬似目標に依存しており、異なる視点が同等の強度と矛盾する方向傾向を持つ関係を誘導すると不安定になり、大域的なスペクトル幾何学を歪め、クラスタリングを劣化させる。 本稿では,MVC 用 \emph{Phase-Consistent Magnetic Spectral Learning} を提案する: 位相項としてクロスビュー指向性アグリーメントを明示的にモデル化し,それを非負の大きさのバックボーンと組み合わせて複素値の磁気親和性を形成し,エルミート磁気ラプラシアンを介して安定な共有スペクトル信号を抽出し,これを構造化自己スーパービジョンとして利用し,教師なしマルチビュー表現学習とクラスタリングを誘導する。 大規模にスペクトル抽出を行うためのロバストな入力を得るために,アンカーベース高次コンセンサスモデルを用いたコンパクトな共有構造を構築し,ノイズや不整合性を抑えるために軽量な改良を適用した。 複数の公開マルチビューベンチマークに対する大規模な実験により、我々の手法は強いベースラインを一貫して上回ることを示した。

関連論文リスト

• Delving into Spectral Clustering with Vision-Language Representations [27.433418706301477]
  本稿では,事前学習された視覚言語モデルにおけるクロスモーダルアライメントを利用したニューラルタンジェントカーネルスペクトルクラスタリングを提案する。 この定式化はクラスタ内の接続を増幅し,クラスタ間のスプリラスな接続を抑えることを示す。 我々の手法は、常に最先端の手法よりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2026-02-10T09:36:24Z)
• Imputation-free and Alignment-free: Incomplete Multi-view Clustering Driven by Consensus Semantic Learning [65.75756724642932]
  不完全なマルチビュークラスタリングでは、欠落したデータがビュー内のプロトタイプシフトとビュー間のセマンティック不整合を誘導する。 コンセンサスセマンティクス学習(FreeCSL)のためのIMVCフレームワークを提案する。 FreeCSLは、最先端の競合他社と比較して、IMVCタスクの信頼性と堅牢な割り当てを実現している。
  論文  参考訳（メタデータ） (2025-05-16T12:37:10Z)
• Multi-level Reliable Guidance for Unpaired Multi-view Clustering [15.600038277342128]
  Unpaired Multi-view Clustering (UMC) は、複数のビューにまたがって観察されるアンペア化サンプルを用いて、効果的なジョイントクラスタリングを実現することを目的としている。 マルチレベルクラスタリングと信頼性の高いビューガイダンスを統合したMRG-UMC(Multi-level Reliable Guidance for UMC)を提案する。 MRG-UMCは最先端のUMC法よりも優れており、マルチビューデータセットで平均12.95%のNMI改善を実現している。
  論文  参考訳（メタデータ） (2024-07-01T12:49:55Z)
• Efficient Bilateral Cross-Modality Cluster Matching for Unsupervised Visible-Infrared Person ReID [56.573905143954015]
  本稿では, クラスタ間マッチングによるモダリティギャップを低減するための, クラスタマッチングに基づく新たな学習フレームワークを提案する。 このような監視信号の下では、クラスタレベルで特徴を協調的に整列させるために、モダリティ・特定・モダリティ・非依存(MSMA)コントラスト学習フレームワークが提案されている。 公開SYSU-MM01とRegDBデータセットの実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-22T03:27:46Z)
• Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
  半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。 本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。 さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
  論文  参考訳（メタデータ） (2023-03-29T14:54:19Z)
• A Clustering-guided Contrastive Fusion for Multi-view Representation Learning [7.630965478083513]
  本稿では、ビュー固有表現をビュー共通表現に融合する深層融合ネットワークを提案する。 また、ビュー共通表現とビュー固有表現を一致させる非対称なコントラスト戦略を設計する。 不完全な視点では,提案手法は競合相手よりもノイズ干渉に抵抗する。
  論文  参考訳（メタデータ） (2022-12-28T07:21:05Z)

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。