具有跨模态注意力先验的文本引导视觉依赖图学习

英文标题：Text-Guided Visual Dependency Graph Learning with Cross-Modal Attention Priors

该论文提出 CM-GLasso（Cross-Modal Graphical Lasso，跨模态图形 Lasso）框架，用于从多模态视觉—语言特征中估计具有可解释性的条件依赖结构。作者指出，针对视觉与语言特征进行可解释条件依赖结构估计的研究仍相对不足。该方法试图连接视觉—语言表征学习与图模型学习，为开发者分析多模态特征之间的依赖关系提供新的工具。论文以 arXiv:2608.21443v1 形式发布，发布类型为 new。

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