論文の概要: ORCA:Orthogonal Residual Consensus Alignment for Multi-View Clustering
- arxiv url: http://arxiv.org/abs/2611.16749v1
- Date: Thu, 12 Nov 2026 13:00:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.473527
- Title: ORCA:Orthogonal Residual Consensus Alignment for Multi-View Clustering
- Title(参考訳): ORCA:マルチビュークラスタリングのための直交残留センサアライメント
- Abstract要約: 深いマルチビュークラスタリングは、融合や非差別的なアライメントの間、冗長な情報蓄積に悩まされることが多い。
これらの課題に対処するために,直交残差アライメントを提案する。
5つのベンチマークの実験では、ORCAの有効性が示され、100リーブで最強のベースラインよりも5.25%精度が向上した。
- 参考スコア(独自算出の注目度): 13.026981760143377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep multi-view clustering often suffers from redundant information accumulation during fusion and indiscriminate alignment across representation levels. We propose Orthogonal Residual Consensus Alignment (ORCA) to address these challenges. Its semantic incremental recurrent fusion module extracts cross-view orthogonal residuals as non-redundant increments and adaptively weights recurrent states through divergence-guided gating. Its consensus-calibrated hierarchical contrastive alignment module uses the global consensus to weight contrastive alignment of view-level, pairwise, and recurrent representations. Together, these modules balance view-specific structure with cross-view consistency. Experiments on five benchmarks against fifteen competing methods demonstrate ORCA's effectiveness, including a 5.25 percent accuracy improvement over the strongest baseline on 100leaves. Ablation studies validate both modules. Code is available at https://github.com/XiaojianDing/2026-NeurIPS-ORCA.
- Abstract(参考訳): 深層多視点クラスタリングはしばしば、融合中に冗長な情報蓄積と表現レベル間の非差別的なアライメントに悩まされる。
これらの課題に対処するために,直交残留合意調整(Orthogonal Residual Consensus Alignment,ORCA)を提案する。
セマンティックインクリメンタルリカレント融合モジュールは、非冗長インクリメントとして直交直交残差を抽出し、発散誘導ゲーティングにより順応的に再カレント状態の重み付けを行う。
コンセンサスを校正した階層的コントラストアライメントモジュールは、大域的コンセンサスを用いて、ビューレベル、ペアワイズ、反復表現のコントラストアライメントを重み付けする。
これらのモジュールは、ビュー固有の構造とビュー間の一貫性のバランスをとる。
競合する15の手法に対する5つのベンチマークの実験では、ORCAの有効性が示され、100リーブで最強のベースラインよりも5.25%精度が向上した。
アブレーション研究は両方の加群を検証する。
コードはhttps://github.com/XiaojianDing/2026-NeurIPS-ORCAで公開されている。
関連論文リスト
- Reference-Free Omnidirectional Stereo Matching via Multi-View Consistency Maximization [22.711843818785454]
フリーオムニMVSはペアの相関関係を頑健でオールニの認識とグローバルなコンセンサスに集約することができる。
可視性を考慮したコンセンサスを実現するために,相関ベクトルを適応的に融合する軽量アテンション機構を提案する。
多様なベンチマークデータセットに対する実験は、グローバルに一貫性があり、可視性があり、スケールアウェアな深さ推定のための手法の優位性を実証している。
論文 参考訳(メタデータ) (2026-03-16T09:23:23Z) - Phase-Consistent Magnetic Spectral Learning for Multi-View Clustering [18.462238432927915]
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。
論文 参考訳(メタデータ) (2026-02-21T06:04:57Z) - Incomplete Multi-view Clustering via Hierarchical Semantic Alignment and Cooperative Completion [13.39263294343983]
本稿では,階層的セマンティックアライメントと協調補完(HSACC)に基づく,新しい不完全なマルチビュークラスタリングフレームワークを提案する。
HSACCはデュアルレベルのセマンティック空間設計により、堅牢なクロスビュー融合を実現する。
実験の結果、HSACCは5つのベンチマークデータセットで最先端の手法を著しく上回っていることがわかった。
論文 参考訳(メタデータ) (2025-10-14T02:58:10Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳(メタデータ) (2023-12-26T12:56:31Z) - 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) - Align then Fusion: Generalized Large-scale Multi-view Clustering with
Anchor Matching Correspondences [53.09276639185084]
マルチビューアンカーグラフクラスタリングは、完全なペアワイド類似性を避けるために代表アンカーを選択する。
既存のアプローチでは、ビューをまたいだアンカーセット間の正しい対応を確立するのに十分な注意を払わない。
論文 参考訳(メタデータ) (2022-05-30T13:07:40Z)
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。