精选今天0 投票
MIDAS：面向不完整多模态情感分析的互信息解缠与不确定性感知融合框架
在实际应用中，多模态情感分析常因数据缺失或损坏而面临挑战。现有方法多依赖数据填补或启发式协调约束，难以有效提取任务相关信息。为此，研究者提出MIDAS框架，通过变分建模将各模态表示为多元高斯潜变量，并分解为共享与专属因子；采用极小极大目标，最小化共享与专属空间间的互信息以稳定解缠，同时最大化跨模态共享空间互信息以增强语义对齐。此外，引入不确定性感知融合机制，利用后验方差作为可靠性指标，自适应加权融合，确保模态不完整时的鲁棒性。在三个广泛使用的数据集上的实验表明，MIDAS在不完整场景下均取得显著性能提升。该研究已获IEEE TPAMI 2026接收。