★ 2
MSCR:多模态学习平衡利用与协同信息发现
论文提出多模态协同竞争正则器 MSCR,在缓解模态失衡的同时促进融合阶段的协同信息形成。方法包含抑制单模态主导的反支配目标、鼓励融合预测超越单模态参照的协同目标,以及自适应门控。在五个基准上优于 MCR,并提升单模态误判样本上的条件恢复率。
arXiv cs.AI13 天前
共 1 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出多模态协同竞争正则器 MSCR,在缓解模态失衡的同时促进融合阶段的协同信息形成。方法包含抑制单模态主导的反支配目标、鼓励融合预测超越单模态参照的协同目标,以及自适应门控。在五个基准上优于 MCR,并提升单模态误判样本上的条件恢复率。