王友清教授团队论文被ACM MM 2026录用

王友清教授团队论文被ACM MM 2026录用｜ACM MM 2026

2026年10月20日 23:37

来源：CVer

文章链接：https://mp.weixin.qq.com/s/Xax4gmcHdwmTPcAJ768tQg

王友清教授团队论文被多媒体

领域CCF-A类会议ACM MM 2026录用

近日，第34届ACM国际多媒体会议（The 34th ACM International Conference on Multimedia, ACM MM 2026）录用结果揭晓，我院王友清教授团队研究论文《Global-and-Local Collaborative Mixture-of-Experts with Dual Contrastive Learning for Deep Multi-view Clustering》被成功录用。该论文第一作者为王友清教授（研究生指导教师），第二作者为信息科学与技术学院2023级硕士研究生肖斌，通讯作者为郭继鹏副教授（合作指导教师），北京化工大学为第一完成单位/唯一通讯单位。

该研究针对现有深度多视图聚类方法忽略跨视图异质性和不同视图之间语义对齐难问题，提出了一种新颖的全局-局部协同混合专家框架（GLCMoE）。该框架主要由局部混合专家（LMoE）模块、全局混合专家（GMoE）模块和双重对比学习（DCL）模块组成。LMoE通过参数共享的专家库过滤跨视图异质性，并利用门控路由机制自适应地激活和重组协同专家，从而保留富含细粒度视图特有信息的互补性。GMoE采用基于Transformer注意力的路由机制，侧重于从统一的多视图特征空间中提取跨视图一致性，并捕获高阶跨视图交互关系。DCL模块从多个层次实现不同视图之间的深层语义对齐，包括局部视图特有表征之间的粗粒度对齐，以及局部融合表征与全局表征之间的细粒度对齐。此外，该研究设计了一种门控路由均衡正则项，用于缓解专家坍塌，提高各个专家的利用率。GLCMoE方法遵循“先拆分、后聚合，分层对比学习”的策略，实现了具有判别性的跨视图表征融合与语义对齐。

主题：