自监督与表征学习 / CVPR2026
面向不完整多视图多标签分类的跨视图蒸馏与自适应掩码
Cross-View Distillation and Adaptive Masking for Incomplete Multi-View Multi-Label Classification
跨视图蒸馏把高质量视图的表征作为教师信号对齐低质量视图,配合自适应掩码在融合前剔除不可靠表征,这套「先蒸馏再掩码」的流程可直接迁移到多模态/多视图视觉任务(如多相机、RGB-D、多传感器融合)中处理模态缺失与质量不均衡。
跨视图蒸馏自适应掩码多视图融合