Jun, 2023
因式对比学习:超越多视角冗余
Factorized Contrastive Learning: Going Beyond Multi-view Redundancy
Paul Pu Liang, Zihao Deng, Martin Ma, James Zou, Louis-Philippe Morency...
TL;DR本文提出了 FactorCL,一种新的多模态表示学习方法,旨在捕获有助于下游任务的共享信息和独特信息,该方法通过将任务相关信息分解为共享和独特表示,并通过最大化 MI 下限来捕获任务相关信息以及通过最小化 MI 上限来消除任务不相关的信息,并使用多模态数据增强来近似任务相关性。实验证明 FactorCL 在六项基准测试上取得了最先进的结果。