研究者提出无需配对数据的UCCA方法

Nir Ben-Ari、Ronen Talmon 和 Uri Shaham 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，作者称这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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。