論文の概要: polyview: A Python package for multi-view machine learning

• arxiv url: http://arxiv.org/abs/2610.06491v1
• Date: Mon, 05 Oct 2026 15:14:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 08:05:06.991662
• Title: polyview: A Python package for multi-view machine learning
• Title（参考訳）: polyview: マルチビュー機械学習のためのPythonパッケージ
• Abstract要約: PolyviewはPythonパッケージで、マルチビューの埋め込み、クラスタリング、融合、ビュー拡張、および不完全なビューを扱うためのツールを提供する。 Polyviewは、マルチビュー手法のベンチマークとプロトタイプ作成のための実用的なツールキットであり、この分野における将来の研究開発の基礎となることを目的としている。
• 参考スコア（独自算出の注目度）: 0.906681787649105
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-view learning jointly exploits multiple complementary representations of the same data and has become increasingly important in machine learning. However, the Python ecosystem lacks actively maintained, unified tooling for end-to-end multi-view workflows. In this paper, we present polyview, a Python package that provides tools for multi-view embedding, clustering, fusion, and view augmentation, as well as for handling incomplete views, all compatible with scikit-learn. The library offers a unified interface for composing heterogeneous multi-view workflows, including seamless transitions between multi-view and single-view stages. It is built around a core set of classes and utilities that enable composition of different methods and straightforward implementation of new ones. We illustrate the package on five real multi-view datasets and compare its components based on canonical correlation analysis with those of two established libraries. polyview aims to be both a practical toolkit for benchmarking and prototyping multi-view methods and a foundation for future research and development in this area.
• Abstract（参考訳）: マルチビュー学習は、同じデータの複数の補完表現を共同で活用し、機械学習においてますます重要になっている。 しかし、Pythonエコシステムには、エンドツーエンドのマルチビューワークフローのための、アクティブにメンテナンスされ、統一されたツールが欠けている。 本稿では,マルチビュー埋め込み,クラスタリング,融合,ビュー拡張,および不完全なビューを扱うためのツールを提供するPythonパッケージであるpolyviewについて述べる。 このライブラリは、マルチビューとシングルビューステージ間のシームレスな遷移を含む、異種多ビューワークフローを構成する統一インターフェースを提供する。 異なるメソッドのコンポジションと、新しいメソッドの簡単な実装を可能にする、クラスとユーティリティのコアセットを中心に構築されている。 本稿では,本パッケージを5つの実マルチビューデータセット上に記述し,標準相関解析に基づいてそのコンポーネントを2つの確立されたライブラリと比較する。 Polyviewは、マルチビュー手法のベンチマークとプロトタイプ作成のための実用的なツールキットであり、この分野における将来の研究開発の基礎となることを目的としている。

関連論文リスト

• Learning from Semantic Alignment between Unpaired Multiviews for Egocentric Video Recognition [23.031934558964473]
  本稿では,セマンティックスをベースとしたUnpaired Multiview Learning (SUM-L)を提案する。 主要なアイデアは、ビデオの意味情報を活用することで、クロスビューの擬似ペアを構築し、ビュー不変アライメントを行うことである。 また,本手法は,より難易度の高いシナリオ下で,既存のビューアライメント手法よりも優れている。
  論文  参考訳（メタデータ） (2023-08-22T15:10:42Z)
• 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)
• PyPOTS: A Python Toolkit for Machine Learning on Partially-Observed Time Series [20.491714178518155]
  PyPOTSは、データマイニングと分析のためのオープンソースのライブラリである。 5つのタスクに分類される多様なアルゴリズムに簡単にアクセスできる。 PyPOTSはPyPI、Anaconda、Dockerで利用できる。
  論文  参考訳（メタデータ） (2023-05-30T07:57:05Z)
• Reliable Representation Learning for Incomplete Multi-View Missing Multi-Label Classification [78.15629210659516]
  本稿ではRANKと呼ばれる不完全なマルチビュー欠落型マルチラベル分類ネットワークを提案する。 既存の手法に固有のビューレベルの重みを分解し、各サンプルのビューに品質スコアを動的に割り当てる品質対応サブネットワークを提案する。 私たちのモデルは、完全なマルチビューマルチラベルデータを扱うだけでなく、欠落したインスタンスやラベルを持つデータセットでも処理できます。
  論文  参考訳（メタデータ） (2023-03-30T03:09:25Z)
• Incomplete Multi-View Multi-Label Learning via Label-Guided Masked View- and Category-Aware Transformers [19.720564730308993]
  本稿では,ラベル誘導型マスマスキングとカテゴリ認識型トランスフォーマという,多視点多言語学習フレームワークを提案する。 ビュー間の表現力の不均衡を考慮すると、ビュー一貫性の埋め込み特徴を得るために適応的に重み付けされたビュー融合モジュールが提案される。
  論文  参考訳（メタデータ） (2023-03-13T15:22:50Z)
• 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)
• Seeing All the Angles: Learning Multiview Manipulation Policies for Contact-Rich Tasks from Demonstrations [7.51557557629519]
  成功したマルチビューポリシは,モバイル操作プラットフォームにデプロイすることが可能だ。 様々な視点からデータを収集することで、模倣学習によってマルチビューのポリシーを見いだせることを示す。 マルチビューデータからの学習は,同一量の固定ビューデータによる学習と比較して,固定ビュータスクのパフォーマンスに対するペナルティがほとんどないことを示した。
  論文  参考訳（メタデータ） (2021-04-28T17:43:29Z)
• Uncorrelated Semi-paired Subspace Learning [7.20500993803316]
  一般化された非相関なマルチビューサブスペース学習フレームワークを提案する。 フレームワークの柔軟性を示すために,教師なし学習と教師なし学習の両方のための5つの新しいセミペアモデルをインスタンス化する。 提案するモデルは,ベースラインよりも競争力が高い。
  論文  参考訳（メタデータ） (2020-11-22T22:14:20Z)

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。