arXiv · cs.AI· Qun Dai·· 20 天前AI 评分34
HRIL：通过高阶张量建模学习多模态协同信息
HRIL: Learning Multimodal Synergy via Higher-Order Tensor Modeling
来源与原文
arXiv · cs.AI
作者：Qun Dai
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/2610.12393v1
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
HRIL（Higher-order Representation and Information Learning）提出用模态嵌入构建经验交叉矩张量，并经 Tucker 分解得到核心张量，配合协同感知正则项防止能量集中，以保留多模态表示中的高阶耦合信息。在受控协同任务和真实基准上，该方法持续优于现有多模态对比方法，在协同交互主导的任务上提升显著。论文已被 NeurIPS 2026 接收，代码已开源。
来源：arXiv · cs.AI · arxiv.org