AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：揭秘 AI 多模態(tài)融合的“智慧核心”：六校聯(lián)合發(fā)布低質(zhì)數(shù)據(jù)融合新篇章
關(guān)鍵字：方法,數(shù)據(jù),噪聲,模型,動(dòng)態(tài)
文章來源：AI科技評(píng)論
內(nèi)容字?jǐn)?shù)：9765字

內(nèi)容摘要：

多模態(tài)融合是多模態(tài)智能中的基礎(chǔ)任務(wù)之一。多模態(tài)融合的動(dòng)機(jī)在于聯(lián)合利用來自不同模態(tài)的有效信息提升下游任務(wù)的準(zhǔn)確性和穩(wěn)定性。傳統(tǒng)的多模態(tài)融合方法往往依賴高質(zhì)量數(shù)據(jù)，難以適應(yīng)現(xiàn)實(shí)應(yīng)用中的復(fù)雜低質(zhì)的多模態(tài)數(shù)據(jù)。
由天津大學(xué)、中國(guó)人民大學(xué)、新加坡科技研究局、四川大學(xué)、西安電子科技大學(xué)以及哈爾濱工業(yè)大學(xué)（深圳）共同發(fā)布的低質(zhì)多模態(tài)數(shù)據(jù)融合綜述《Multimodal Fusion on Low-quality Data:A Comprehensive Survey》從統(tǒng)一視角介紹了多模態(tài)數(shù)據(jù)的融合挑戰(zhàn)，并針對(duì)低質(zhì)多模態(tài)數(shù)據(jù)的現(xiàn)有融合方式及該領(lǐng)域潛在的發(fā)展方向進(jìn)行了梳理。
arXiv鏈接：http://arxiv.org/abs/2404.18947
awesome-list鏈接：https://github.com/QingyangZhang/awesome-low-quality-multimodal-learning1引言人類通過融合多個(gè)模態(tài)的信息對(duì)世界進(jìn)行感知。即使某些模態(tài)的信號(hào)不可靠時(shí)，人類也具備處理這些低質(zhì)量多模態(tài)數(shù)據(jù)信號(hào)并感知環(huán)境的能力。盡管多模態(tài)學(xué)習(xí)已取得了長(zhǎng)足的發(fā)展，多模態(tài)機(jī)器學(xué)習(xí)模

原文鏈接：揭秘 AI 多模態(tài)融合的“智慧核心”：六校聯(lián)合發(fā)布低質(zhì)數(shù)據(jù)融合新篇章

聯(lián)系作者

文章來源：AI科技評(píng)論
作者微信：aitechtalk
作者簡(jiǎn)介：雷峰網(wǎng)旗下AI新媒體。聚焦AI前沿研究，關(guān)注AI工程落地。