跳到正文
热点事件持续更新

InfMasking多模态框架论文被IEEE TPAMI录用

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

Liangjian Wen 等提出 InfMasking 框架，这是一项基于无限掩码的统一多模态学习变分模型。该框架旨在通过学习模态间的协同信息，避免传统融合模块对主导模态或共享信息的依赖，从机制上提升多模态数据的协同利用效率。 在理论优化层面，该框架通过优化闭式变分边界来有效控制群体矩间隙。在实证评估中，InfMasking 在相关基准测试中不仅提升了预测性能，还在平均 PID 估计值及 InterSHAP 交互归因方面取得了显著进步。 最新进展显示，该论文已被 IEEE TPAMI 期刊正式录用，且相关代码已经开源，标志着该多模态变分学习框架的研究成果正式进入学术界认可阶段。

AI 根据报道生成 · 21 小时前更新

最新进展11月6日 13:00
InfMasking：基于无限掩码的统一多模态学习变分框架

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · AI
    InfMasking：基于无限掩码的统一多模态学习变分框架

    提出 InfMasking 框架，通过无限掩码学习模态间协同信息，避免融合模块依赖主导模态或共享信息。 优化闭式变分边界以控制群体矩间隙，在基准测试中提升预测性能、平均 PID 估计值及 InterSHAP 交互归因。 代码已开源，论文已被 IEEE TPAMI 录用。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。