One-class classification (OCC), which models one single positive class and distinguishes it from the negative class, has been a long-standing topic with pivotal application to realms like anomaly detection. As modern society often deals with massive high-dimensional complex data spawned by multiple sources, it is natural to consider OCC from the perspective of multi-view deep learning. However, it has not been discussed by the literature and remains an unexplored topic. Motivated by this blank, this paper makes four-fold contributions: First, to our best knowledge, this is the first work that formally identifies and formulates the multi-view deep OCC problem. Second, we take recent advances in relevant areas into account and systematically devise eleven different baseline solutions for multi-view deep OCC, which lays the foundation for research on multi-view deep OCC. Third, to remedy the problem that limited benchmark datasets are available for multi-view deep OCC, we extensively collect existing public data and process them into more than 30 new multi-view benchmark datasets via multiple means, so as to provide a publicly available evaluation platform for multi-view deep OCC. Finally, by comprehensively evaluating the devised solutions on benchmark datasets, we conduct a thorough analysis on the effectiveness of the designed baselines, and hopefully provide other researchers with beneficial guidance and insight to multi-view deep OCC. Our data and codes are opened at https://github.com/liujiyuan13/MvDOCC-datasets and https://github.com/liujiyuan13/MvDOCC-code respectively to facilitate future research.

中文翻译：

---

多视图深度一类分类：系统探索

一类分类（OCC）可以模拟一个单一的阳性分类，并将其与阴性分类区分开来，一直是一个长期存在的话题，并且在异常检测等领域有着举足轻重的应用。由于现代社会经常处理由多种来源产生的海量高维复杂数据，因此从多视图深度学习的角度考虑OCC是很自然的。然而，它尚未被文献讨论，仍然是一个尚未探讨的话题。出于这种空白，本文做出了四点贡献：首先，就我们所知，这是正式确定并提出多视图深层OCC问题的第一篇著作。其次，我们考虑了相关领域的最新进展，并针对多视图深层OCC系统地设计了11种不同的基线解决方案，这为多视点深度OCC的研究奠定了基础。第三，为了解决有限的基准数据集可用于多视图深度OCC的问题，我们广泛收集了现有的公共数据，并通过多种方式将它们处理为30多个新的多视图基准数据集，以提供可公开获得的评估多视图深度OCC的平台。最后，通过对基准数据集上设计的解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见解，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。为了解决有限的基准数据集可用于多视图深度OCC的问题，我们广泛收集了现有的公共数据，并通过多种方式将它们处理为30多个新的多视图基准数据集，从而为多视图深层OCC。最后，通过对基准数据集上设计的解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见解，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。为了解决有限的基准数据集可用于多视图深度OCC的问题，我们广泛收集了现有的公共数据，并通过多种方式将它们处理为30多个新的多视图基准数据集，从而为多视图深层OCC。最后，通过对基准数据集上设计的解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见解，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。我们广泛收集现有的公共数据，并通过多种方式将其处理为30多个新的多视图基准数据集，从而为多视图深层OCC提供一个公开可用的评估平台。最后，通过对基准数据集上设计的解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见解，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。我们广泛收集现有的公共数据，并通过多种方式将其处理为30多个新的多视图基准数据集，从而为多视图深层OCC提供一个公开可用的评估平台。最后，通过对基准数据集上设计的解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见解，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。通过对基准数据集上设计的解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见识，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。通过对基准数据集上的设计解决方案进行全面评估，我们对设计基准的有效性进行了全面分析，并希望为其他研究人员提供有益的指导和见识，以实现多视图深层OCC。我们的数据和代码分别在https://github.com/liujiyuan13/MvDOCC-datasets和https://github.com/liujiyuan13/MvDOCC-code中打开，以方便将来的研究。