본 논문은 불완전 멀티뷰 데이터를 처리하기 위한 새로운 클러스터링 프레임워크인 HSACC (Hierarchical Semantic Alignment and Cooperative Completion)를 제안합니다. HSACC는 이중 수준의 의미 공간 설계를 통해 강력한 뷰 간 융합을 달성합니다. 저수준 의미 공간에서는 상호 정보를 최대화하여 일관성 정렬을 보장하고, 고수준 의미 공간에서는 개별 뷰와 초기 융합 표현 간의 분포적 유사성에 따라 적응적 뷰 가중치를 동적으로 할당한 후 가중 융합을 수행하여 통합된 글로벌 표현을 생성합니다. 또한, HSACC는 정렬된 잠재 표현을 고차원 의미 공간에 투영하고 재구성 및 클러스터링 목표를 공동으로 최적화함으로써 누락된 뷰를 암묵적으로 복구하여 완성 및 클러스터링의 협력적 학습을 가능하게 합니다.
