本文提出了一种基于 transformer 的多视图多标签学习框架，以解决多视图数据和多标签注释于模式识别中的应用。该框架通过设计两个基于 transformer 的模块对特征进行聚合和分类，并提出一种自适应视图融合模块解决视图表达的不平衡性，同时将标签约束到样本级表示学习中。五个数据集上的实验证实了该方法的有效性。

Mar, 2023

提出跨部分多视角网络（CPM-Nets）框架，通过模拟数据传输实现多视角表征的完整性，并通过对抗策略稳定地翻译丢失视图的代价与补充性进行结构化编码，进一步增强数据的完整性，同时引入非参数分类损失，以防止过度拟合。全面实验证明了该算法在分级识别、表示学习和数据填充方面的优越性。

Nov, 2020

多视角表示学习中的重叠与纯化问题得到了深入分析，提出了一种创新的多视角表示学习框架，结合了一种名为 “distilled disentangling” 的技术，通过引入遮蔽交叉视角预测的概念，实现了从多种数据源中提取紧凑、高质量的视角一致的表示，进一步减少了与视角特定表示的冗余，提升了学习过程的整体效率。

Mar, 2024

我们提出了一种多视角伪标记方法来进行视频学习，它利用外观和运动信息的互补视角进行半监督学习，以获取更可靠的伪标签并比纯监督数据学习更强的视频表示。我们的方法在多个视频识别数据集上大大优于其监督对应方法，并在自监督视频表示学习的标准基准测试中与先前的工作相比具有竞争优势，同时仍然训练一个共享外观和运动输入的模型，因此在推理时间不会产生额外的计算开销。

Apr, 2021

使用弱标签在多视角视频上训练基于视频的动作识别模型，并使用潜在嵌入来提高准确性。

Mar, 2024

本文提出了一种基于多视图学习和一致性正则化的方法来解决传统神经机器翻译中编码器只能根据顶层编码器层的上下文表示而不能直接感知较低编码器层的上下文表示的问题，并在五个翻译任务上进行了实验证明其有效性和稳定性，此外，该方法不依赖于网络架构。

Nov, 2020

本论文提出了一种名为 DICNet 的深度实例级对比网络，能够有效地应对数据收集和手动注释的不确定因素所导致的多视图多标签数据缺失的问题。通过利用深度神经网络，DICNet 能够更好地提取多视图样本的高级语义表征，并在此基础上采取一系列手段来提高平稳性、加强语义特征分辨率。大量实验结果表明，本方法能够比其他最先进的方法更好地捕捉一致且有区别的多视图多标签数据的表示特征。

Mar, 2023

从多视角捕获的视频可以帮助感知世界的 3D 结构，并对计算机视觉任务，如动作识别、跟踪等产生影响。本文介绍了一种从同步多视角视频中进行自监督学习的方法，通过交叉视角重构任务向模型注入几何信息。我们的方法基于掩码自编码器（MAE）框架，在同视角解码器的基础上，引入了一个独立的交叉视角解码器，利用交叉注意机制从源视角视频重构目标视角视频，以获得对视角变化具有鲁棒性的表示。针对视频，静态区域可以简单地进行重构，这限制了学习有意义表示的能力。为此，我们引入了一种动态加权重构损失来改进时间建模。我们在 NTU-60、NTU-120 和 ETRI 数据集上报告了最先进的结果，并在 NUCLA、PKU-MMD-II 和 ROCOG-v2 数据集上进行了迁移学习设置，证明了我们方法的鲁棒性。我们将提供代码。

Jan, 2024

提出了一种基于多视图矩阵补全的半监督多标签图像分类方法，该方法充分利用不同视图的特征，并通过加权方式融合多视图矩阵补全的输出，同时使用交叉验证策略来学习视图组合权重和深度学习模型，经实验证明该方法相较于其他方法更加鲁棒有效。

Apr, 2019

本论文致力于通过建立一种简洁而有效的模型来攻克学习来自多视角多标签数据的三大挑战：缺失标签、不完整视角和非对齐视角。我们利用多视角的一致性以及多个标签之间的全局和局部结构来缓解可用标签的不足。我们的实验结果表明，在五个真实数据集上，即使在没有视角对齐的情况下，我们的方法在性能上也显着优于最先进的视角对齐方法。

May, 2020