11:52
官方账号arXiv cs.LG@Francisco Mena, Dino Ienco, Roberto Interdonato, Cassio F. Dantas, Simon Besnard
推荐理由：这篇论文针对多模态分类中模态任意缺失的问题提出了两种具体方法，在单缺失和极缺失场景下各有优势，代码开源可复现。
协同学习
共 1 条相关 AI 资讯
7月28日
11:52
该论文提出一种多模态协同学习框架，处理训练与推理时模态不固定的缺失问题，而非传统双模态融合。实验在两种多模态分类基准上，针对任意缺失模态（单模态缺失或仅剩一模态）测试。方法一在单模态缺失时更鲁棒，方法二在极缺失条件下表现更好。代码已开源在GitHub。