論文の概要: More Perspectives, Stronger Signals: Multi-Perspective Enhancement and Progressive Fusion for Multimodal Entity Representation Learning

• arxiv url: http://arxiv.org/abs/2608.29139v1
• Date: Sat, 29 Aug 2026 08:29:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.860102
• Title: More Perspectives, Stronger Signals: Multi-Perspective Enhancement and Progressive Fusion for Multimodal Entity Representation Learning
• Title（参考訳）: マルチパースペクティブ・エンハンスメントとプログレッシブ・フュージョンによるマルチモーダル・エンティティ表現学習
• Abstract要約: 多様な入力から強い信号を抽出するために、プログレッシブフュージョンとマルチパースペクティブエンハンスメントを相乗化する統合フレームワークであるPrismFを提案する。 PrismFは、各モダリティを相補的なビューに分解するマルチパースペクティブメカニズムを通じて、細粒なモーダル内セマンティクスを強化する。 実験の結果、PrismFはMRRの4.04%とKVC16KのHits@1の11.17%の相対的な改善を含む、最も高い総合的なパフォーマンスを達成した。
• 参考スコア（独自算出の注目度）: 6.4639268448773946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning effective multimodal entity representations is fundamental for reasoning tasks such as multimodal knowledge graph completion (MMKGC). However, existing methods often suffer from semantic over-smoothing within modalities and ineffective noise filtration across modalities, particularly under sparse or ambiguous conditions. To overcome these limitations, we propose PrismF, a unified framework that synergizes multi-perspective enhancement with progressive fusion to extract stronger signals from diverse inputs. PrismF enhances fine-grained intra-modal semantics through a multi-perspective mechanism that decomposes each modality into complementary views and constrains them with a decoupling loss to reduce representation collapse. Furthermore, it improves cross-modal integration through a progressive fusion strategy that dynamically calibrates inter-modal interactions, enabling the model to emphasize informative signals while suppressing noisy or unreliable ones. Extensive experiments on three public benchmarks show that PrismF achieves the strongest overall performance, including relative improvements of 4.04% in MRR and 11.17% in Hits@1 on KVC16K. Our code can be found at https://github.com/HubuKG/PrismF.
• Abstract（参考訳）: 効果的なマルチモーダル実体表現の学習は、マルチモーダル知識グラフ補完(MMKGC)のようなタスクの推論に不可欠である。 しかし、既存の手法は、しばしばモダリティ内の意味的過度な平滑化と、特にスパース条件やあいまいな条件下で、モダリティ間の非効率なノイズ濾過に悩まされる。 これらの制限を克服するため,様々な入力から強い信号を取り出すために,プログレッシブフュージョンとマルチパースペクティブ・エンハンスメントを相乗化するための統合フレームワークであるPrismFを提案する。 PrismFは、各モダリティを相補的なビューに分解し、それらをデカップリング損失で制約し、表現の崩壊を減少させるマルチパースペクティブメカニズムを通じて、細粒なモーダル内セマンティクスを強化する。 さらに、モーダル間相互作用を動的に校正するプログレッシブ融合戦略により、モーダル間統合を改善し、ノイズや信頼できない操作を抑えながら情報的信号を強調する。 3つの公開ベンチマークに関する大規模な実験によると、PrismFはMRRの4.04%とKVC16KのHits@1の11.17%の相対的な改善を含む、最も高い総合的なパフォーマンスを達成した。 私たちのコードはhttps://github.com/HubuKG/PrismF.orgにある。

関連論文リスト

• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• Boosting Multimodal Federated Learning via Chained Modality Optimization [69.53075328069504]
  MMFL(Multimodal Federated Learning)は、異種データとモダリティ可用性を備えた分散クライアント間での、プライバシ保護による協調学習を実現する。 これを解決するために,FedMChainを提案する。FedMChainは,多モード学習をモダリティの連鎖として構成する,バランスのとれたMMFLフレームワークである。 このフェーズワイズ設計により、各モダリティは、モダリティ競合を軽減するために、マルチモーダルクライアントに専用の局所最適化ウィンドウを与え、さらにエラー補償正規化器を介して、モダリティ間の相補性を促進する。
  論文  参考訳（メタデータ） (2026-06-01T08:07:09Z)
• Multi-Paradigm Collaborative Adversarial Attack Against Multi-Modal Large Language Models [67.45032003041399]
  本稿では,MLLMに対する敵例の転送可能性を高めるために,MPCAttack(Multi-Paradigm Collaborative Attack)フレームワークを提案する。 MPCOは異なるパラダイム表現の重要性を適応的にバランスさせ、グローバルな最適化を導く。 我々のソリューションは、オープンソースおよびクローズドソースMLLMに対する標的および未ターゲットの攻撃において、常に最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2026-03-05T06:01:26Z)
• A Novel Multimodal RUL Framework for Remaining Useful Life Estimation with Layer-wise Explanations [2.312232949770907]
  転がり要素軸受は機械故障の最も頻発する原因の一つである。 転がり要素軸受は機械故障の最も頻発する原因の一つである。 既存のアプローチは、しばしば、一般化の貧弱、堅牢性の欠如、高いデータ要求、限定的な解釈可能性に悩まされる。
  論文  参考訳（メタデータ） (2025-12-07T07:38:36Z)
• UMCL: Unimodal-generated Multimodal Contrastive Learning for Cross-compression-rate Deepfake Detection [37.37926854174864]
  ディープフェイク検出では、ソーシャルメディアプラットフォームが使用する様々な圧縮の程度が、モデルの一般化と信頼性に重大な課題をもたらす。 クロスモーダルレート深度検出のための一様生成マルチモーダルコントラスト学習フレームワークを提案する。 提案手法は, 各種圧縮速度および操作タイプにまたがる優れた性能を実現し, 堅牢なディープフェイク検出のための新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-11-24T10:56:22Z)
• Representation Space Constrained Learning with Modality Decoupling for Multimodal Object Detection [3.556651853847748]
  本稿では,マルチモーダル検出における核融合劣化の理論的検討を行う。 2つのモジュールからなるRepresentation Space Constrained Learning with Modality Decoupling (RSC-MD)法を提案する。 提案手法は, 核融合劣化を効果的に軽減し, 複数のベンチマークで最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-11-19T13:41:27Z)
• Amplifying Prominent Representations in Multimodal Learning via Variational Dirichlet Process [55.91649771370862]
  ディリクレ過程(DP)混合モデルは、最も顕著な特徴を増幅できる強力な非パラメトリック法である。 本稿では,DP駆動型マルチモーダル学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T16:53:24Z)
• UniMMAD: Unified Multi-Modal and Multi-Class Anomaly Detection via MoE-Driven Feature Decompression [74.0893986012049]
  UniMMADは、マルチモーダルおよびマルチクラスの異常検出のための統一されたフレームワークである。 UniMMADは、9つの異常検出データセット上で、3つのフィールド、12のモダリティ、66のクラスにまたがる最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-30T08:29:12Z)
• CLAMP: Contrastive Learning with Adaptive Multi-loss and Progressive Fusion for Multimodal Aspect-Based Sentiment Analysis [0.6961946145048322]
  本稿では,Adaptive Multi-lossとProgressive Attention Fusionを用いた,エンドツーエンドのコントラスト学習フレームワークを提案する。 このフレームワークは、Progressive Attention Fusion Network、Multi-task Contrastive Learning、Adaptive Multi-loss Aggregationの3つの新しいモジュールで構成されている。 標準の公開ベンチマークによる評価は、CLAMPが既存の最先端技術よりも一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2025-07-21T11:49:57Z)
• Improving Progressive Generation with Decomposable Flow Matching [50.63174319509629]
  Decomposable Flow Matching (DFM)は、ビジュアルメディアのプログレッシブな生成のためのシンプルで効果的なフレームワークである。 Imagenet-1k 512pxでは、DFMはベースアーキテクチャよりも35.2%改善され、ベースラインは26.4%向上した。
  論文  参考訳（メタデータ） (2025-06-24T17:58:02Z)
• Spectrum-based Modality Representation Fusion Graph Convolutional Network for Multimodal Recommendation [7.627299398469962]
  本稿では,新しいスペクトルベースのモダリティ表現グラフレコメンデータを提案する。 モダリティノイズを同時に抑制しながら、ユニモーダルとフュージョンの両方の好みを捉えることを目的としている。 実世界の3つのデータセットを用いた実験により,提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2024-12-19T15:53:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。