Tag · 1 篇
Hyperbolic Gramian Volumes for Multimodal Alignment
把多模态对齐中的 Gramian 体积从欧氏空间搬到洛伦兹双曲模型,并用可学习混合保留欧氏判别性,可直接替换视频-文本对比学习中的相似度/对齐损失,提升零样本跨类别判别与语义敏感度。