arXiv cs.AI· Xiaojian Ding, Xian Li, Xiaoying Zhu, Lin Zhao, Kaixiang Wang·· 1 天前AI 评分20
ORCA：面向多视图聚类的正交残差共识对齐方法
ORCA:Orthogonal Residual Consensus Alignment for Multi-View Clustering
AI 导读
研究者提出多视图聚类方法 ORCA（正交残差共识对齐），通过语义增量循环融合模块提取跨视图正交残差作为非冗余增量，并用散度引导门控对循环状态自适应加权。其共识校准分层对比对齐模块以全局共识为视图级、成对及循环表示加权。在五个基准上对比十五种方法，ORCA 在 100leaves 上较最强基线提升 5.25% 准确率，消融实验验证两个模块均有效，代码已开源。
正文 · AI 翻译
摘要：深度多视图聚类在融合过程中常常面临冗余信息累积以及跨表示层级不加区分对齐的问题。我们提出正交残差共识对齐（ORCA）来应对这些挑战。其语义增量循环融合模块提取跨视图正交残差作为非冗余增量，并通过散度引导门控对循环状态进行自适应加权。其共识校准的分层对比对齐模块利用全局共识对视图级、成对级和循环表示的对比对齐进行加权。这些模块共同在视图特有结构与跨视图一致性之间取得平衡。在五个基准上与十五种竞争方法进行的实验证明了 ORCA 的有效性，包括在 100leaves 上相比最强基线取得 5.25% 的准确率提升。消融研究验证了两个模块。代码可在 此 https URL 获取。
| 评论： | 24 页，5 幅图，2 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.16749 [cs.CV] |
| （或 arXiv:2611.16749v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16749 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lin Zhao [查看邮箱]
[v1]
2026 年 11 月 12 日星期四 13:00:39 UTC（4,371 KB）
来源：arXiv cs.AI · arxiv.org