堅牢な部分マルチラベル学習のための特徴—ラベルのモーダルアラインメント
arXiv cs.LG / 2026/4/13
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、候補ラベルが真のラベルに加えて、特徴とラベルの関係を破壊するノイズ付きラベルも含む「部分マルチラベル学習（PML）」を扱い、そのようなノイズが分類性能を低下させる問題に取り組む。
- 特徴とラベルを2つの相補的なモダリティとして扱い、特徴—疑似ラベルのモーダルアラインメントによりそれらの整合性を復元することで、PML-MAを提案する。
- PML-MAは、低ランクの直交分解を用いてノイズのある候補ラベルをフィルタリングし、真のラベル分布をより近似する疑似ラベルを生成する。
- 次に、特徴と疑似ラベルを共通の部分空間に射影することで（グローバルなアラインメント）、局所的な近傍構造を保持しながら（ローカルなアラインメント）それらを整合させる。
- さらに、多ピークのクラス・プロトタイプ学習により弁別性を高める。疑似ラベルをソフト重みとして用い、多ラベル所属を活用することで、実データセットおよび合成データセットにおいて高い精度とノイズ頑健性を示す。
