arXiv · cs.CL· Guimin Hu·· 12 天前AI 评分27
FaShift：面向多模态学习的因子级选择性分布偏移处理框架
Beyond Invariance: Factor-wise Selective Treatment of Shifts for Multimodal Learning
来源与原文
arXiv · cs.CL
作者：Guimin Hu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.21403v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 FaShift，一种因子级分布偏移处理框架，通过诊断潜在表征因子的分布变化、干预效应和跨环境稳定性，选择性抑制、保留或衰减各因子的贡献，而非强制统一不变性。在 MOSI、MOSEI 和 CH-SIMS 三个数据集上，FaShift 取得最优 ID 准确率与 F1，OOD 上在 MOSI 提升 1.5/3.6 点、在 MOSEI 提升 1.7/2.7 点，并在 CH-SIMS 上取得最优 OOD 成绩。
来源：arXiv · cs.CL · arxiv.org