SPORT: Structure-Aware Prototype Disentanglement for Incomplete Multi-View Clustering

Resumen Técnico: SPORT – Desentrelazamiento de Prototipos Consciente de la Estructura para el Agrupamiento Multivista Incompleto

Planteamiento del Problema
El Agrupamiento Multivista Incompleto (IMVC, por sus siglas en inglés) tiene como objetivo particionar datos no etiquetados donde las muestras pueden carecer de una o más vistas debido a limitaciones de los sensores o fallos de hardware. Aunque los métodos recientes de IMVC basados en prototipos han mejorado la robustez utilizando prototipos como anclajes semánticos para la imputación de vistas faltantes, los autores identifican tres limitaciones críticas en los enfoques actuales:

1. Problema de Sobrealineación de Prototipos (POP): Los métodos existentes imponen una estricta consistencia de prototipos entre vistas, ignorando la información específica de cada vista. Esto suprime la información complementaria única de vistas específicas, limitando la expresividad de las representaciones multivista.
2. Falta de Preservación de la Estructura a Nivel de Clúster: La mayoría de los métodos dependen del aprendizaje contrastivo a nivel de instancia que alinea únicamente muestras emparejadas entre vistas. No logran preservar las estructuras relacionales entre instancias semánticamente similares (muestras dentro de un mismo clúster), lo que potencialmente las separa en el espacio de características.
3. Imputación de Vistas Faltantes Inexacta: Las estrategias de imputación actuales suelen depender únicamente de prototipos globales. Este enfoque de grano grueso pasa por alto las estructuras de vecindad geométrica local, lo que conduce a reconstrucciones sobre-suavizadas que no logran preservar la consistencia de grano fino a nivel de instancia.

Metodología: El Marco de Trabajo SPORT
Los autores proponen SPORT (Structure-aware PrOtotype disentanglement foR incomplete multi-view clusTering), un marco diseñado para explotar conjuntamente la consistencia entre vistas, la semántica específica de la vista y las relaciones estructurales. La arquitectura consta de cuatro componentes clave:

1. Aprendizaje de Representación de Características:
   El modelo utiliza autoencoders específicos de cada vista para proyectar las características observadas de cada vista en un subespacio latente compartido. Una pérdida de reconstrucción ($L_{REC}$) asegura la fidelidad del mapeo y preserva las características estructurales inherentes.

2. Aprendizaje Contrastivo Relacional Consciente de la Estructura:
   Para abordar la negligencia de las estructuras a nivel de clúster, SPORT introduce un mecanismo de aprendizaje contrastivo ponderado. A diferencia del aprendizaje contrastivo duro que trata solo a los pares de la misma muestra como positivos, este módulo utiliza pesos de similitud de pares ($w_{ij}$) derivados de la similitud de coseno. Esto permite que las muestras semánticamente similares (incluso si no son la misma instancia) sean tratadas suavemente como pares positivos, imponiendo la consistencia entre vistas mientras se preserva la estructura geométrica subyacente de los datos.

3. Alineación Parcial de Prototipos (Desentrelazamiento):
   Para resolver el Problema de Sobrealineación de Prototipos, SPORT descompone explícitamente los prototipos en dos componentes ortogonales:

   • Componentes Compartidos ($s_i$): Alineados entre vistas para capturar la semántica de consenso invariante a la vista.
   • Componentes Específicos de la Vista ($c_i$): Descorrelacionados entre vistas para preservar la información complementaria y dependiente de la vista.
     Esta descomposición se logra mediante una matriz de proyección ortogonal aprendida (vía reparametrización de la transformada de Cayley). El objetivo incluye una pérdida de alineación compartida ($L_{SHARED}$) y una pérdida de descorrelación de vista específica ($L_{DE}$).

4. Estrategia de Imputación de Prototipos Híbrida:
   Para la recuperación de datos faltantes, SPORT emplea una estrategia híbrida que integra información global y local. Las características faltantes se reconstruyen como una suma ponderada de:

   • El prototipo más relevante (ancla semántica global).
   • La muestra vecina más similar (contexto geométrico local).
     Este enfoque equilibra la semántica de nivel de clúster con la consistencia estructural local, mejorando la calidad de la reconstrucción bajo altas tasas de ausencia.

El objetivo general combina la pérdida de reconstrucción, la pérdida contrastiva y la pérdida de alineación de prototipos, optimizado mediante un proceso de entrenamiento de dos fases (preentrenamiento seguido de ajuste fino).

Contribuciones Clave
El artículo afirma las siguientes contribuciones:

• Alineación de Prototipos Unificada: Un marco novedoso que desentrelaza los prototipos en componentes compartidos y específicos de la vista, alineando los primeros y descorrelacionando los segundos para integrar eficazmente la semántica compartida y la información específica de la vista.
• Alineación de Características Consciente de la Estructura: Un mecanismo que introduce pesos de similitud por instancia para codificar suavemente las relaciones entre muestras, imponiendo la consistencia entre vistas mientras se preservan las estructuras relacionales a nivel de clúster.
• Estrategia de Imputación Híbrida: Un método de imputación de datos faltantes que explota conjuntamente los prototipos emparejados y las muestras vecinas, aprovechando tanto la semántica de clúster global como la información estructural local.
• Superioridad Empírica: Experimentos extensos que demuestran que SPORT supera a los métodos de vanguardia en varios conjuntos de datos.

Resultados Experimentales
Los autores evaluaron SPORT en seis conjuntos de datos de referencia (ALOI_100, Animal1, Digit4k, 100Leaves, Reuters_21578 y VGGFace2_50) frente a 14 métodos de estado del arte de IMVC.

• Rendimiento: SPORT logró un rendimiento superior en Precisión (ACC), Índice de Rand Ajustado (ARI) y F-Score en la mayoría de los conjuntos de datos y tasas de ausencia (0.1 a 0.7). Por ejemplo, en el conjunto de datos Animal con una tasa de ausencia de 0.5, SPORT mejoró la ACC en un 17.7% respecto al segundo mejor método.
• Robustez: El método demostró una notable robustez a medida que aumentaban las tasas de ausencia. En el conjunto de datos 100Leaves, SPORT mostró fluctuaciones de rendimiento significativamente menores en comparación con otros métodos cuando la tasa de ausencia aumentó de 0.1 a 0.5.
• Estudios de Ablación: Eliminar cualquiera de los tres módulos principales (aprendizaje de representación, aprendizaje contrastivo consciente de la estructura o alineación parcial de prototipos) resultó en una degradación significativa del rendimiento, confirmando la necesidad y complementariedad de cada componente.
• Análisis de Imputación: La estrategia de imputación híbrida (equilibrando las contribuciones de prototipos y vecinos) superó consistentemente a las variantes degeneradas que dependían únicamente de prototipos o de vecinos.

Significancia y Reivindicaciones
El artículo postula que SPORT aborda los cuellos de botella fundamentales en el IMVC basado en prototipos al ir más allá de la alineación estricta entre vistas y el aprendizaje contrastivo a nivel de instancia. Al desentrelazar explícitamente los componentes compartidos y específicos de la vista de los prototipos e incorporar estructuras de vecindad local en el proceso de imputación, el marco logra representaciones de agrupamiento más discriminativas y robustas. Los autores concluyen que SPORT aprende eficazmente representaciones discriminativas bajo entornos de múltiples vistas incompletos, ofreciendo una solución fiable para escenarios del mundo real donde la incompletud de los datos es ubicua.