多模态持续学习中的模态贡献漂移正则化

英文标题：Regularizing modality contribution drift in multimodal continual learning

该论文提出关注多模态持续学习（MMCL）中的“模态贡献漂移”问题。MMCL 的目标是在从多模态数据学习新知识的同时保留既有知识，以缓解灾难性遗忘。现有 MMCL 方法通常侧重于跨模态表征对齐或语义相似性，而论文指出这些方向之外仍存在模态贡献变化这一值得处理的问题。该工作以 arXiv:2607.27260v1 形式发布。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB