实体
Multimodal Attributed Graphs
Multimodal Attributed Graphs
PulseAugur coverage of Multimodal Attributed Graphs — every cluster mentioning Multimodal Attributed Graphs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
FedGAMMA框架实现联邦多模态图学习
研究人员推出了一种新颖的联邦多模态图基础学习框架FedGAMMA。该方法通过采用联邦预训练和基于提示的微调的两阶段过程，解决了从碎片化、受隐私限制的多模态属性图学习的挑战。FedGAMMA利用共享-私有语义增强器进行跨模态对齐，并利用拓扑感知的图融合模块来解耦语义和结构视图，在各种下游任务和少样本学习场景中展示了显著的性能提升。
-
新的CoMAG框架增强了多模态属性图分析
研究人员开发了CoMAG，一个新颖的多模态属性图（MAGs）框架，它改进了图拓扑与文本和图像等异构属性的结合方式。现有方法常常在任务无关传播和过度压缩融合方面存在困难，阻碍了多样化需求和证据保存。CoMAG通过学习任务自适应上下文和通过可靠的上下文学习及模态保留跳数标记对齐来保留模态特定信息来解决这个问题。在九个数据集上的实验表明，CoMAG在结构预测、跨模态匹配和图条件生成方面优于现有基线，同时保持了效率。