在噪声监督下学习多模态学习中值得信赖的信息

英文标题：Learning What to Trust in Multimodal Learning under Noisy Supervision

该论文以 arXiv:2610.11057v1 形式发布，属于新提交论文。论文聚焦多模态分类任务，即综合和关联来自多种模态的信息以提升预测准确性。摘要指出，现有方法通常依赖高质量真实标签，但这类标签在现实场景中难以获得；论文因此关注噪声监督条件下如何学习可信信息。这一问题对需要处理不可靠标注、弱监督或真实世界多模态数据的开发者和行业应用具有重要意义。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB