研究者提出ACML多模态学习框架

Jinghao Xu等作者提交论文，提出对齐与校准驱动的多模态学习框架ACML，针对现有方法静态跨模态对齐过度约束、置信度感知融合忽略特征量级差异的问题。 该框架包含动态跨模态三元组对齐模块：对高置信度正样本对施加强语义一致性约束，并按置信度差距鼓励高低置信度正样本对之间的多样化表示学习。同时引入差异感知注意力校准策略，依据特征量级与置信度差异自适应调整注意力正则化。 上述内容来自论文自述，尚未见第三方验证其实际效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。