基于动态质量感知的通用不完整多模态学习
英文标题：General Incomplete Multimodal Learning via Dynamic Quality Perception
该论文针对多模态学习中模态不完整问题，提出了一种动态质量感知方法，同时考虑整个模态缺失与模态内部信息退化。通过自适应评估每个模态实例的质量来引导跨模态融合，显著提升了模型在真实缺失场景下的鲁棒性。实验表明该方法在多种缺失与退化设置下均优于现有技术，为构建可靠的多模态人工智能系统提供了重要参考。
打开原文相关 2.4 · 机会 0
2.6 KB
2.1 KB
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
基于动态质量感知的通用不完整多模态学习
多模态学习对缺失模态具有鲁棒性对于现实应用至关重要。现有方法主要关注模态间缺失，即整个模态丢失，而忽略了模态内退化，即模态内部出现部分信息受损或质量降低（如噪声、遮挡、低分辨率）的情况。本文提出了一种动态质量感知的通用不完整多模态学习框架，能够同时应对模态完全缺失和模态内质量退化，通过自适应评估每个模态实例的质量来引导跨模态融合。实验表明，该方法在多种缺失和退化设置下均显著优于现有技术，为开发者构建鲁棒的多模态人工智能系统提供了重要参考。
BibTeX格式引用
English / 原文
BibTeX formatted citation
×