在双曲视觉语言模型中分离角度对齐与径向排序
英文标题：Separating Angular Alignment from Radial Ordering in Hyperbolic Vision-Language Models
双曲视觉语言模型非常适合用于建模多模态数据中的分层结构，其双曲空间体积随半径指数级增长的特性，能够实现树状分类法从通用到具体概念的低失真表征。本研究聚焦于双曲视觉语言模型的表征优化，提出将跨模态语义的“角度对齐”与层级深度的“径向排序”进行解耦分离。这一改进有效缓解了相似度匹配与层级关系在同一几何维度上的表征冲突，为复杂多模态知识图谱构建与细粒度层级推理提供了更稳健的几何表征范式。
打开原文相关 2.4 · 机会 0
2.0 KB
640 B
612 B
380 B
24.2 KB
34.7 KB
中文
在双曲视觉语言模型中分离角度对齐与径向排序
arXiv 编号：arXiv:2610.32146v1
公布类型：最新（new）
摘要
双曲视觉语言模型（Hyperbolic Vision-Language Models）非常适合用于建模多模态数据的分层结构。由于双曲空间的体积随半径呈指数级增长，因此能够以极低的失真度表征从通用概念到具体概念的树状分类体系（tree-like taxonomies）。
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×