Lluna:缺失模态下协同单模态推理方法
热点事件持续更新
Lluna:缺失模态下协同单模态推理方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
事件综述
Haoyue Bai 等作者提出并公开了 Lluna,一种面向缺失模态推理的协同单模态模型。作者称,在固定存活模型锚点的设定下,随着输入模态消失,协同增益可能减弱甚至反转,即使锚点自身输入未变。 Lluna 将适配后单模态特征的私有预测路径与提供残差修正的图协同分支结合,并用渐进协同一致性按单模态移除顺序组织由丰富到稀疏的引导。作者称,在涵盖情感计算、场景理解与医疗预测的八个数据集上,Lluna 在非完整输入状态下取得最佳平均表现,Mean-Missing 平均较最强基线提升 4.26%;固定锚点诊断也显示八个任务在最小输入下平均协同增益为正。代码已公开。
根据报道生成 · 49 分钟前更新
最新进展10月15日 12:00
Lluna:面向缺失模态推理的协同单模态模型报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv cs.MMLluna:面向缺失模态推理的协同单模态模型
针对模态缺失时协同预测可能弱于单个存活单模态模型的问题,Lluna 将适配后单模态特征的私有预测路径与提供残差修正的图协同分支结合,并用渐进协同一致性按单模态移除顺序组织由丰富到稀疏的引导。在涵盖情感计算、场景理解与医疗预测的八个数据集上,Lluna 在非完整输入状态下取得最佳平均表现,Mean-Missing 平均较最强基线提升 4.26%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。