视觉语言模型 / CVPR2026
CICA:耦合置信度感知预训练与置信度引导注意力,实现鲁棒的多模态情感分析
CICA: Coupling Confidence-Aware Pretraining with Confidence-Informed Attention for Robust Multimodal Sentiment Analysis
把「每个模态编码器自估置信度」作为预训练目标,再用置信度加权注意力做融合,这套机制可直接迁移到视觉-语言任务中处理图像/文本模态噪声或缺失的场景(如噪声图文检索、缺失模态的VQA)。
多模态情感分析模态可靠性估计注意力融合