研究者提出不确定性引导多模态共识方法UMC

Guowei Zhong等作者提出不确定性引导的多模态共识方法UMC，用于多模态情感分析。该方法先恢复连续的单模态伪标签，再在模态间形成可靠性感知的共识，由连续原型引导标签恢复（CPLR）和可靠性与精度共识（RPC）两部分组成；RPC用闭式共识求解器结合预测统计与跨模态分歧，估计样本级的模态可靠性。 作者在四个公开MSA数据集上的实验显示该方法有效，并称其优于对比模型。

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。