본 논문은 불규칙적으로 결측된 데이터를 갖는 다중 뷰 표현 학습(MVRL) 문제를 해결하기 위해 다중 뷰 순열 변분 오토인코더(MVP)를 제안합니다. MVP는 변분 오토인코더의 잠재 공간에서 뷰 간의 불변 관계를 파악하여 결측 뷰를 추론하고 보다 충분한 정보를 집계합니다. 뷰 간의 교차 생성을 위해 변수의 순서를 무작위로 재배열하는 순열을 적용하고, 순열 하에서 불변의 의미를 유지하기 위해 뷰별로 분할하여 유효한 증거 하한(ELBO)을 도출합니다. 또한, 사후 확률의 순환 순열을 사용하여 정보 사전을 도입하여 일관성을 높이고, 규제 항을 분포 간 유사도 척도로 전환합니다. 다양한 결측 비율을 갖는 7개의 다양한 데이터셋에서 효과를 보여주며, 다중 뷰 클러스터링 및 생성 작업에서 우수한 성능을 달성합니다.
