cross-modal-learning

本研究探讨了视觉语言模型在语法数一致性方面的跨模态泛化能力，证明了这些模型能够利用视觉线索超越表面共现进行抽象。

本文提出CMF-ELN，一种用于冷启动药物-药物相互作用预测的跨模态融合端到端学习网络，利用多模态知识图谱和四通道图自编码器改进相似性建模与可解释性。

介绍 CGM-JEPA，这是一种针对连续血糖监测数据的自监督预训练框架，通过掩码潜在预测和分布目标提升了跨模态及跨队列的性能。