新型多模态图基础模型CHARM支持零样本迁移学习

研究人员推出CHARM，这是一种新颖的多模态图基础模型，专为复杂图数据集上的零样本迁移学习而设计。CHARM解决了在不同模态和领域之间泛化知识的挑战，而无需下游微调。该模型通过将孤立节点表示为分层图上下文来实现这一点，这些上下文编码多模态语义和跨模态关系，将领域特定模式映射到共享的高级概念。这种方法使CHARM能够减少对目标领域监督的依赖，在零样本多模态图任务上持续改进。 AI

影响 无需广泛的重新训练，即可在多样化和复杂的图数据集之间实现更高效的知识迁移。

排序理由 该集群描述了一篇详细介绍新模型及其方法论的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• GNN-based graph foundation models
• Graph Foundation Models
• Hierarchical Context Modeling for Video Event Recognition
• large language model
• LLM-based graph methods
• Multimodal Graph Foundation Model
• Zero-Shot Transfer Learning

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →