Streaming View Classification With Noisy Label

doi:10.1109/TIP.2025.3607610

Streaming View Classification With Noisy Label

2025-01-01

0

PRE

AI

DOI：10.1109/TIP.2025.3607610

原文链接

原文求助

摘要

En 中文

在许多图像处理任务中，例如动态场景的3D重建，不同类型的物体描述（又称视图）以流式方式涌现。流式视图学习为此动态视图问题提供了有效解决方案。在此范式下，现有的流式视图学习方法通常假设所有标签都是准确的。然而，在许多实际应用中，初始视图可能不足以进行特征描述，导致产生噪声标签，从而降低分类性能。如何学习一个能够同时处理视图演化和标签模糊性的模型，是关键且尚未探索的问题。在本文中，我们提出了一种名为“带噪声标签的流式视图分类”（SVCNL）的新方法。我们根据新视图的涌现来校准噪声标签，从而更准确地反映数据的动态变化。利用视图的序列性和不可回溯性，该方法通过利用当前阶段的数据来调整现有模型，使其继承前一阶段的信息。它通过标签转换矩阵重构噪声标签，并采用图嵌入策略建立真实标签与样本之间的关系，逐步纠正噪声标签。结合关于泛化边界的理论分析，大量实验证明了所提出方法的有效性。

Keyword:

Streaming view classification

label calibration

label reconstruction

model reuse

Streaming View Classification With Noisy Label

摘要

期刊

机构

引用论文