视觉语言模型 / CVPR2026
先增强后平衡的模态协作框架用于鲁棒多模态情感分析
Enhance-then-Balance Modality Collaboration for Robust Multimodal Sentiment Analysis
对做多模态融合的视觉研究者,这篇提供了处理「视觉/音频弱模态被文本主导」的可复用思路:用能量势建模各模态贡献并做隐式梯度重平衡,再用样本级可靠性估计自适应调融合权重,可直接迁移到视觉-语言融合、缺失模态鲁棒性等场景。
多模态情感分析模态不平衡跨模态互补增强