多模态融合综述

转载


内容:

融合方法

目前特征融合方法有以下几种: 特征向量按照人工规则线性融合;计算多个向量相似度矩阵,按照相似度进行融合;直接拼接特征向量。
来源: 多模态融合注记


内容:
分类

来源:Multimodal Machine Learning: A Survey and Taxonomy 综述阅读笔记


内容:将多模态融合的背景、发展都讲的很详细,比如多来源和多模态的关系、数据集成与数据融合的联系、特征融合、早晚期融合、基于深度学习的融合、


数据融合与集成路径

参考:多来源多模态数据融合与集成研究进展


多模态融合的定义:深度学习中的多模态融合技术(Multimodality Fusion Technology,MFT)[1]是模型在完成分析和识别任务时处理不同形式的数据的过程。多模态数据的融合可以为模型决策提供更多的信息,从而提高了决策总体结果的准确率,目的是建立能够处理和关联来自多种模态信息的模型,是典型的多学科交叉领域,并已逐步成为研究热点。

多模态融合方法汇总

来源:面向深度学习的多模态融合技术研究综述

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。