UCCA：无需配对数据的典型相关分析新方法

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、仅凭非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，该工作已被接收至 NeurIPS 2026。 研究者称，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，是严格非配对设定下学习最大相关投影的首个方法。在真实多模态数据集上，UCCA 在恢复潜在真实相关性方面显著优于近期的非配对对齐基线。

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。