cross-modal-fusion

本文提出了一种动态门控跨模态融合框架，并结合讽刺感知对比正则化，通过自适应校准模态贡献和抑制误导性语义一致性来提升多模态讽刺检测性能。

SEATS是一种无需训练的阶段自适应Token选择方法，通过逐步剪枝冗余的视觉和音频Token来降低全模态LLM的计算开销，实现了9.3倍FLOPs减少和4.8倍预填充加速，同时保持96.3%的性能。