IEEE TPAMI

Learning Disentangled Representations for Generalized Multi-view Clustering

学习解耦表示以实现通用多视图聚类

Xin Zou, Ruimeng Liu, Chang Tang, Zhenglai Li, Xinwang Liu, Kunlun He, Wanqing Li

机构 * AI Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）人工智能方向） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Computer, National University of Defense Technology（国防科技大学计算机学院） ； Medical Big Data Research Center, Medical Engineering Laboratory of Chinese PLA General Hospital（中国人民解放军总医院医学大数据研究中心，医学工程实验室） ； School of Computing and Information Technology, University of Wollongong（沃林根大学计算与信息学院） 纠错

AI总结 本文提出GMAE框架，通过解耦表示学习保留多视图互补性，提升聚类效果。实验表明其在完整和不完整多视图聚类任务中均优于现有方法。

Comments accepted by IEEE TPAMI 2026 (IEEE Transactions on Pattern Analysis and Machine Intelligence)

DP-SfM: Dual-Pixel Structure-from-Motion without Scale Ambiguity

DP-SfM：无尺度模糊的双像素结构从运动

Lilika Makabe, Kohei Ashida, Hiroaki Santo, Fumio Okura, Yasuyuki Matsushita

机构 * Graduate School of Information Science and Technology, The University of Osaka（信息科学与技术研究生院，大阪大学） 纠错

AI总结 本文提出DP-SfM方法，利用双像素传感器的模糊特性自动解决尺度模糊问题，无需参考物体或先验校准，通过深度图与模糊核优化实现绝对尺度估计。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026