源自:多模态机器学习与大模型
注:若出现显示不完全的情况,可 V 搜索“人工智能技术与咨询”查看完整文章
人工智能、大数据、多模态大模型、计算机视觉、自然语言处理、数字孪生、深度强化学习······ 课程也可加V“人工智能技术与咨询”报名参加学习
简介
作者从数据角度对多模态机器学习进行了综述,不仅考虑了技术方面,还考虑了不同数据模态的内在本质。文中分析了每种数据格式的共性和独特性,主要包括视觉、音频、文本和动作,然后介绍了按数据模态组合分类的方法论进展,例如视觉+文本,稍微强调了视觉数据。此外,文中从表示学习和下游应用层面研究了多模态学习的现有文献,并根据它们与数据性质的技术联系进行了额外的比较,例如图像对象和文本描述之间的语义一致性以及节奏视频舞蹈动作和音乐节拍之间的对应关系。作者希望利用对齐以及数据模态本质与技术设计之间存在的差距,以更好地解决与具体多模态任务相关的特定挑战,从而促进统一的多模态机器学习框架更接近真实的人类智能系统。
综述结构
其他模态
声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨,并不意味着支持其观点或证实其内容的真实性。版权归原作者所有,如转载稿涉及版权等问题,请立即联系我们删除。
注:若出现显示不完全的情况,可 V 搜索“人工智能技术与咨询”查看完整文章
人工智能、大数据、多模态大模型、计算机视觉、自然语言处理、数字孪生、深度强化学习······ 课程也可加V“人工智能技术与咨询”报名参加学习