Cross-Modal Reconstruction（跨模态重建）

跨模态重建源于多模态学习，旨在建立不同模态（如视觉、语言、听觉）之间的映射。其技术核心是编码器-解码器架构，常结合对比学习或生成对抗网络，通过最小化重建误差来学习共享表示。典型应用包括跨模态检索、图像描述生成和语音合成。