PulseAugur
中
实时 08:52:21
English(EN) Cohort-Based Active Modality Acquisition

新方法在预算限制下优化多模态AI的数据获取

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为“基于队列的主动模态获取”（CAMA）的新方法，用于在预算限制下优化多模态机器学习中额外数据模态的获取。CAMA侧重于测试时、队列级别的获取，并提出基于插补的策略来估计为选定样本获取缺失模态的效用。实验表明，与随机或基于熵的方法相比，CAMA在指导模态获取方面更有效，并在使用UK Biobank数据进行疾病预测的实际应用中得到了展示。 AI

影响 优化多模态模型的数据获取，可能降低成本并在资源受限的环境中提高性能。

排序理由 这是一篇详细介绍多模态机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新方法在预算限制下优化多模态AI的数据获取

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Tillmann Rheude, Roland Eils, Benjamin Wild ·

    Cohort-Based Active Modality Acquisition

    arXiv:2505.16791v4 Announce Type: replace Abstract: Real-world multimodal machine learning often faces missing, costly-to-acquire modalities, raising the problem of which samples to prioritize for additional acquisition under a budget. Prior work mainly studies per-sample or trai…

相关实体

相关话题