التجميع متعدد المناظر غير المكتمل عبر الاستدلال والتقييم

يهدف التجميع متعدد المناظر إلى تحسين أداء التجميع من خلال الاستفادة من المعلومات من عدة مناظر. تفترض معظم الأعمال الموجودة أن كل المناظر مكتملة. ومع ذلك، لا يمكن دائمًا ملاحظة العينات في السيناريوهات الواقعية في جميع المناظر، مما يؤدي إلى المشكلة الصعبة للتجميع متعدد المناظر غير المكتمل (IMVC). على الرغم من أن بعض المحاولات قد أُجريت مؤخرًا، إلا أنها لا تزال تعاني من محدودتين رئيسيتين: (1) عادة ما تعتمد نماذج ضحلة، غير قادرة على استكشاف التناسق والتكامل بين المناظر المتعددة بشكل كافٍ؛ (2) تفتقر إلى قياس مناسب لتقييم جودة البيانات المستعادة أثناء عملية التعلم. لمعالجة القيود المذكورة، نقدم التجميع متعدد المناظر غير المكتمل عبر الاستدلال والتقييم (IMVC-IE) الجديد. بالتحديد، يعتمد IMVC-IE على استراتيجية التعلم المتباين على ميزات المناظر المختلفة لاستخراج المعلومات الأساسية من العينات الحالية أولاً. بعد ذلك، يتم استنتاج كمية ضخمة من البيانات المحاكاة البديلة للمناظر المفقودة ويُقدم إستراتيجية تقييم جديدة للحصول على البيانات الصحيحة لإكمال المناظر المفقودة. تم إجراء تجارب موسعة للتحقق من فعالية طريقتنا.