PulseAugur
中
实时 10:57:31
English(EN) UG-UMRE: Uncertainty-Guided Modality Augmentation and Distributional Calibration for Unified Multimodal Relation Extraction

新的UG-UMRE框架增强了多模态关系抽取

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为UG-UMRE的新框架，以改进统一多模态关系抽取（UMRE）。该方法解决了由固有不确定性引起的噪声传播问题以及不同模态分布之间的异质性问题。UG-UMRE包含一个不确定性驱动的单模态增强（UDUA）模块，该模块将特征建模为高斯分布，并使用自监督对比学习来过滤噪声。此外，一个联合随机不确定性对齐（JAUA）模块通过将跨模态的统计属性对齐到一个共享的潜在空间来预先校准语义。在基准数据集上的实验表明，UG-UMRE达到了最先进的性能。 AI

影响 这项研究可能带来更准确、更鲁棒的理解文本和图像之间关系 Sytems。

排序理由 该集群包含一篇详细介绍多模态关系抽取新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新的UG-UMRE框架增强了多模态关系抽取

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Bo Kong, Liruiz Jia, Yi Liang, Chao Liu, Dongfang Han, Tianwei Yan, Yuan Liu, Shengquan Liu ·

    UG-UMRE: Uncertainty-Guided Modality Augmentation and Distributional Calibration for Unified Multimodal Relation Extraction

    arXiv:2608.04949v1 Announce Type: cross Abstract: Unified Multimodal Relation Extraction (UMRE) aims to identify intra-modal and cross-modal relations between textual entities and visual objects. However, existing UMRE studies still encounter two critical issues: ignoring inheren…

相关话题