- 多视图数据中的共享信息发现
提出了一个创新且数学严谨的定义，用于从多视角数据中计算共有信息。利用这个定义，开发了一种新颖的监督式多视角学习框架，以捕捉共有信息和独特信息。通过明确最小化总相关性项，可以让从每个视角提取的共有信息和独特信息彼此独立，从而在理论上保证了我们 - 不只改变标签，学习特征：使用多视角数据为深度神经网络添加水印
使用多视图数据构建触发器集，并基于特征学习的角度引入了一种新的神经网络水印技术，名为 MAT，以有效地防御功能窃取攻击，并在各种基准测试中验证了其有效性，超过相关基线模型。
- MUC：用于强健的 3D 人体重建的非校准相机混合
通过多重摄像头提供多视角视频覆盖人体，并使用三维人体重构方法，其中包括对多视角数据进行融合以及相机校准，可灵活支持任意数量的摄像头，并在两个公共数据集上表现出卓越性能，为相关应用带来重要潜力。
- 增强的潜在多视角子空间聚类
提出了增强的潜在多视图子空间聚类方法 (ELMSC)，该方法通过构建增广数据矩阵来增强多视图数据的表示，以实现完全恢复潜在空间表示，并通过稀疏正则化避免冗余的一致性信息计算。实验结果表明，我们的方法在真实数据集上具有比某些最新的多视图聚类方 - 多视角反演的三维感知生成对抗网络
当前针对人头的 3D GAN 反演方法通常只使用一个正面图像来重建整个 3D 头部模型，从而忽略了多视角数据或动态视频时的有意义信息。本研究基于现有先进的 3D GAN 反演技术，允许一致且同时地反演同一主体的多个视角。我们采用多潜变量扩展 - 在线多视图异常检测与解耦专家模型
本文提出了一种新颖的多视角变分自编码器模型 dPoE，通过多视角学习、解耦表示学习和生成模型的思想，使用产品 - 专家层、总校正鉴别器和联合损失函数解决多视角数据中的异常检测问题，并且在控制视角通用和视角特定表示方面设计了理论信息界限，大量 - 联合多视角协同聚类
多视角数据提供了比传统单视角数据更丰富的信息，多视角聚类算法旨在发现多视角数据之间共享的潜在结构，但现有方法往往没有充分利用多视角数据之间的横向协作，本文提出了一种基于横向协作的联合多视角协同聚类方法 (JMVCC)，包括使用非负矩阵分解 - 利用多视角数据进行无注释的前列腺 MRI 分割：对比方法
通过对多视图数据进行对比学习，我们提出了一种基于 U-Net 的三重编码器和单一解码器网络，tU-Net，可以充分利用未经注释的矢状和冠状视图，以从体积的角度改善前列腺分割。该方法在分割准确度上显示出统计上的改进，并且在缺少视图的情况下，提 - IJCAI从多视角时间序列中识别潜在过程
本文提出了一种名为 MuLTI 的新型框架，利用对比学习技术来反转数据生成过程以提高可识别性，并采用置换机制通过建立最优传输公式合并相应的重叠变量，从而在合成和真实世界数据集上展示了我们方法在多视图时间序列中恢复可识别潜在变量方面的卓越性能 - MMRDN：物体堆叠场景中多视角操纵关系检测的一致性表示
本文提出了一种基于多视图数据的新型多视图 MRD 网络（MMRDN），该网络通过 2D 和 3D 多视图数据进行训练，结合了 KMVN 和 Von-Mises-Fisher 分布来预测对象间的关系，实验结果表明，该模型能够在多视图 MRD - 利用空中和地面双视图图像的证据融合进行可信遥感场景分类
本研究使用证据深度学习模型对多角度遥感数据进行了分类，该模型可有效地计算每个角度数据的可信度，并据此进行决策级融合，从而提高分类结果的准确性。实验结果表明，该方法在公开数据集上取得了最佳效果。
- 可学习的图卷积网络和特征融合用于多视角学习
本文提出了一种新的基于图卷积神经网络和特征融合的联合深度学习框架，该框架旨在从异构视角中学习潜在的特征表示，并探索可区分的图融合，通过 Learnable Graph Convolutional Network and Feature Fu - ME-GAN：在心脏病情况下学习全景心电表示以进行多视角心电图像合成
本文提出了一种新型的面向疾病的生成对抗网络 ME-GAN 用于多视角心电图合成，实现了以疾病为条件的泛光心电表征，并将它们投影到多种标准视图上，同时还提出了一种新的度量标准 rFID 来评估合成心电图信号的质量。
- IJCAI对比多视角双曲分层聚类
本论文提出了一种基于神经网络的模型（Contrastive Multi-view Hyperbolic Hierarchical Clustering, CMHHC），应用于多视角数据的超几何层次聚类，通过对多个视角的样本级表示进行对比来捕 - 多视角隐变量模型中编码领域知识：基于结构稀疏贝叶斯方法
提出了一种基于修改的马蹄铁先验的多视图潜变量模型 MuVI，该模型能够在整个分析过程中将有限和嘈杂的领域知识融合到模型中，并且在癌症患者真实多视图数据集中推断出可解释和具有生物学意义的变异轴。
- FedMood: 移动健康数据情绪检测的联邦学习
本论文提出了一种使用联邦学习和多视角数据的智能诊断框架以解决患者医疗隐私问题。
- KDDM2GRL: 面向 Web 规模推荐系统的多任务多视图图表示学习框架
本研究利用多视角方法来学习来自多个视角的图表征学习表示，提出了一个适用于网络规模推荐系统的多任务多视图图表征学习框架 (M2GRL)，在淘宝上进行了测试，结果表明，该框架在网址推荐方面的性能显著优于现有的算法。
- 生成式部分多视图聚类
本研究提出 GP-MVC 模型，通过生成缺失视图的数据来解决不完整的多视角聚类问题，使用多视角编码器网络和生成对抗网络学习共享表示和生成缺失数据，并利用加权自适应融合方案来利用不同视图的互补信息。通过实验证明，该方法在四个基准数据集上优于现 - CVPR野外多视角图像下的弱监督 3D 人体姿态学习
本文提出一种基于弱监督方式，利用多视角数据进行 3D 人体姿势估计的学习框架，包括利用 2.5D 表示法的目标函数，经过测试在两个大规模数据集上达到了半监督 / 弱监督方法的最佳表现。
- IJCAI多视角多聚类
本研究介绍了一种名为 MVMC 的多视图多聚类算法，将自表示学习应用于多视图数据中，使用 Hilbert-Schmidt 独立性标准降低矩阵之间的冗余并收集共享信息，再采用矩阵分解生成多个高质量多样性聚类，并进一步扩展到多视图多共聚类（MV