본 논문은 레이블 분포 학습(LDL)의 새로운 문제인 숨겨진 레이블이 있는 LDL(HidLDL)을 제안합니다. HidLDL은 실제 세계에서 일부 레이블이 누락된 불완전한 레이블 분포로부터 완전한 레이블 분포를 복구하는 것을 목표로 합니다. 이를 위해, 관찰된 레이블의 비례 정보를 활용하는 혁신적인 제약 조건을 도입하고, 지역 특징 유사성과 전역 저계층 구조를 동시에 사용하여 숨겨진 레이블을 추론합니다. 또한, 제안된 방법의 복구 경계를 이론적으로 제시하고, 다양한 데이터셋에 대한 실험을 통해 기존 LDL 및 IncomLDL 방법보다 우수함을 입증합니다.
