Tag · 3 篇
多视图学习
分布 自监督与表征学习1其他1鲁棒性与安全1
01 02 03
EXOTIC：外部视觉驱动的非完整多视图分类
EXOTIC: External Vision-driven Incomplete Multi-view Classification
利用预训练视觉语言模型的外部知识作为监督信号来补全缺失视图，为多视图分类中的不完整数据问题提供了新思路，可迁移到其他需要跨模态对齐与补全的视觉任务。
DF^2-VB：面向多视图多标签分类的双层模糊融合与视图特定提升
DF^2-VB: Dual-level Fuzzy Fusion with View-specific Boosting for Multi-view Multi-label Classification
论文提出的特征级与决策级双层融合框架（模糊动态融合 + 视图特定提升）可直接迁移到多模态/多视图视觉任务中，例如多视角图像分类、多传感器融合识别，为如何联合利用互补特征与各视图预测提供可复用的融合范式。
自举多视图学习以应对测试时噪声对应
Bootstrapping Multi-view Learning for Test-time Noisy Correspondence
针对推理阶段跨视图异步采样导致的错配，BML 用可控噪声增强构造训练集并训练轻量估计器输出可靠性权重来调制融合，可直接迁移到多传感器/多模态融合（如 RGB-深度、多相机 BEV）在部署时出现错配的鲁棒融合环节。