본 논문은 비지도 다중 모달 부분 공간 클러스터링을 위한 컨볼루션 신경망(CNN) 기반 접근 방식을 제시한다. 제안된 프레임워크는 다중 모달 인코더, 자기 표현 레이어 및 다중 모달 디코더의 세 가지 주요 단계로 구성된다. 인코더는 다중 모달 데이터를 입력으로 받아 잠재 공간 표현으로 융합한다. 자기 표현 레이어는 자기 표현 속성을 적용하고 데이터 포인트에 해당하는 유사도 행렬을 획득한다. 디코더는 원래 입력 데이터를 재구성한다. 네트워크는 디코더의 재구성 결과와 원래 입력 간의 거리를 사용하여 훈련한다. 공간 융합을 위해 조기, 후기, 중간 융합 기술을 조사하고 세 가지 다른 인코더를 제안한다. 자기 표현 레이어 및 다중 모달 디코더는 다양한 공간 융합 기반 접근 방식에서 본질적으로 동일하다. 다양한 공간 융합 기반 방법 외에도, 서로 다른 모달리티에 해당하는 자기 표현 레이어가 동일하도록 적용되는 유사도 융합 기반 네트워크도 제안한다. 세 개의 데이터 세트에 대한 광범위한 실험을 통해 제안된 방법이 최첨단 다중 모달 부분 공간 클러스터링 방법을 크게 능가함을 보여준다.
