IMVC

新的CRAFT框架解决了IMVC中的不完备数据问题

研究人员引入了一个名为CRAFT的新框架，以解决IMVC（不完备多视图聚类）中不完备数据带来的挑战。他们发现了一种称为“不完备性发散”的现象，即具有相似缺失数据率的协议可能导致截然不同的学习结果，甚至在完整样本的比例低于临界阈值时导致近乎随机的性能。CRAFT是一个在完整数据上一次性训练的单一模型，通过整合每样本独立性和掩码感知融合，实现了对缺失数据模式的鲁棒性，其性能优于传统方法，同时显著降低了训练开销。