HRIL：基于高阶张量建模的多模态协同表征学习方法

电子科技大学 Qun Dai 等作者发布 arXiv 论文，提出 HRIL 方法：在模态嵌入上构建经验跨阶矩张量并用 Tucker 分解建模多模态协同信息，配合协同感知正则化避免能量集中。代码已发布于 GitHub（brightest66/HRIL）。 作者称，在受控协同任务和真实世界基准上的实验显示，该方法相较现有多模态对比方法取得一致改进，在协同信息占主导的任务上增益更明显。以上结论基于论文摘要，尚未经独立验证。

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。