【AAAI2022】不确定性感知的多视角表示学习

从不同的数据视图中学习，探索它们之间潜在的互补信息，可以使表示具有更强的表达能力。然而，高维特征往往包含噪音，而且，数据的质量通常因不同的样本(甚至不同的视角)而不同，即，一个视图可能对一个样本提供信息，但对另一个样本却不是这样。因此，在无监督的情况下，整合多视角有噪声的数据是非常具有挑战性的。传统的多视角方法要么简单地将每个视角同等重要，要么将不同视图的权重调优为固定值，不足以捕获多视角数据中的动态噪声。在这项工作中，我们设计了一种新的无监督的多视角学习方法，称为动态不确定性感知网络(DUA-Nets)。在生成角度估计数据不确定性的指导下，集成了来自多个视图的固有信息，以获得无噪声表示。在不确定性的帮助下，DUA-Nets根据数据质量对单个样本的每个视图进行权衡，以充分利用高质量的样本(或视图)，同时减轻噪声样本(或视图)的影响。我们的模型在大量的实验中取得了优异的性能，并显示了对噪声数据的鲁棒性。

https://arxiv.org/abs/2201.05776

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DUAN” 就可以获取《【AAAI2022】不确定性感知的多视角表示学习》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源