arXiv 自然语言处理· Guimin Hu, Qiwei Peng·2026-10-16 12:00· 1 天前AI 评分30

超越不变性：多模态学习中分布偏移的因子级选择性处理框架 FaShift

Beyond Invariance: Factor-wise Selective Treatment of Shifts for Multimodal Learning

AI 导读

研究人员提出针对多模态学习分布偏移的因子级框架 FaShift，打破传统方法对偏移信息施加的一致性抑制，转而对不同潜在表征因子进行选择性保留、抑制或衰减。在 MOSI、MOSEI 和 CH-SIMS 数据集上，FaShift 均取得最佳的分布内（ID）准确率与 F1 分数。