Disentangling Consistent and Specific Information for Double Incomplete Multi-View Multi-Label Classification

Jie Wen

doi:10.1109/TPAMI.2026.3665097

Disentangling Consistent and Specific Information for Double Incomplete Multi-View Multi-Label Classification

2026-02-23

0

PRE

AI

DOI：10.1109/TPAMI.2026.3665097

原文链接

原文求助

摘要

En 中文

作为一个突出研究课题，多视角多标签分类（MvMlC）旨在通过整合来自不同视角的信息为样本分配多个标签。然而，在实际场景中，MvMlC经常面临数据缺失视角和标签的学习挑战，这通常源于传感器故障，或是手动标注的昂贵且耗时的过程。此外，学习既跨视角一致又针对个体视角的鲁棒表示仍是一个挑战。为解决这些问题，我们提出了一种基于解耦一致性和特定信息（DCSI）的新型双重不完整多视角多标签分类框架。具体而言，我们采用具有相同架构但目标不同的双通道编码器，分别从所有视角中提取跨视角一致信息和视角特定独特信息。同时，构建视角判别器以解耦这两种类型的信息，促进纯一致和特定信息的提取。此外，我们精心设计了针对每种表示类型的融合策略。对于一致表示，我们提出了动态置信度感知融合机制，评估每个视角表示相对于分类任务的可靠性，使模型能够优先考虑可信表示的信息。对于特定表示，考虑到其互补而非冗余的特性，我们建议平等对待每个视角的此类表示以确保公平性。通过在五个数据集上的实验验证，结果表明我们的方法优于现有最先进的方法。

Keyword:

Dual-channel

consistent information

specific information

incomplete multi-view multi-label classification

Disentangling Consistent and Specific Information for Double Incomplete Multi-View Multi-Label Classification

摘要

期刊

机构