Unpaired CCA：无需配对数据的多视图相关性学习新方法

研究者提出 Unpaired CCA（UCCA），一种在训练中完全不使用配对样本、仅凭无配对数据学习线性投影以最大化真实潜在配对相关性的方法。该工作首次建立二次分配问题（QAP）与 CCA 的理论联系，并据此推导出实用算法，据称是首个在严格无配对设定下学习最大相关投影的方法。在真实多模态数据集上，UCCA 恢复真实相关性的表现显著优于近期无配对对齐基线，论文已被 NeurIPS 2026 接收。