研究人员开发了一种名为基于几何的多模态融合（GMF）的新方法，以提高结合来自多个来源数据的系统的可信度。与依赖模型自身置信度的现有方法不同，GMF通过测量潜在空间中所需的修正来评估数据可靠性。该方法使用扩散薛定谔桥传输来量化输入数据所需的调整量，即使模型自信地出错也能标记不可靠的输入。实验表明，与传统的基于置信度的基线相比，GMF在对抗传感器噪声和冲突数据方面显著增强了鲁棒性。 AI
影响 增强了处理多个数据流的AI系统的可靠性，这对于现实世界的应用至关重要。
排序理由 这是一篇描述多模态融合新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →