表征融合

超越共享信息：从中间层恢复丢失的独特信息以提升多模态地理基础模型

Beyond What's Shared: Recovering Lost Unique Information from Intermediate Layers to Boost Multimodal Geo-Foundation Models

对做多模态对比学习（如 CLIP 式图文对齐）的人，这篇给出一个几乎零成本的改进：把中间层与最后一层特征融合，可恢复被对齐目标压掉的模态特有信息；其逐层分析（模态间隙、表征相似度、互信息）也可直接迁移到视觉-语言模型的特征选择与层融合策略上。