What Makes Multi-modal Learning Better than Single (Provably)

模式 计算机科学 情态动词 人工智能 机器学习 模态逻辑 特征学习 透视图(图形) 代表(政治) 深度学习 社会学 政治 化学 高分子化学 法学 社会科学 政治学
作者
Yu Huang,Chenzhuang Du,Zihui Xue,Xuanyao Chen,Hang Zhao,Longbo Huang
出处
期刊:Cornell University - arXiv 被引量:85
标识
DOI:10.48550/arxiv.2106.04538
摘要

The world provides us with data of multiple modalities. Intuitively, models fusing data from different modalities outperform their uni-modal counterparts, since more information is aggregated. Recently, joining the success of deep learning, there is an influential line of work on deep multi-modal learning, which has remarkable empirical results on various applications. However, theoretical justifications in this field are notably lacking. Can multi-modal learning provably perform better than uni-modal? In this paper, we answer this question under a most popular multi-modal fusion framework, which firstly encodes features from different modalities into a common latent space and seamlessly maps the latent representations into the task space. We prove that learning with multiple modalities achieves a smaller population risk than only using its subset of modalities. The main intuition is that the former has a more accurate estimate of the latent space representation. To the best of our knowledge, this is the first theoretical treatment to capture important qualitative phenomena observed in real multi-modal applications from the generalization perspective. Combining with experiment results, we show that multi-modal learning does possess an appealing formal guarantee.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
2秒前
破忒头发布了新的文献求助10
3秒前
JamesPei应助pjwonder采纳,获得30
3秒前
脑洞疼应助美好芳采纳,获得10
4秒前
Akim应助哀泣魅影采纳,获得10
4秒前
DLL完成签到 ,获得积分10
6秒前
李真发布了新的文献求助10
8秒前
8秒前
8秒前
8秒前
李小明完成签到,获得积分10
9秒前
吃紫薯的鱼完成签到,获得积分10
11秒前
Neko发布了新的文献求助10
11秒前
于于发布了新的文献求助10
13秒前
13秒前
JamesPei应助原野小年采纳,获得10
13秒前
脆香可丽饼完成签到,获得积分10
13秒前
085400发布了新的文献求助10
14秒前
Lucas应助负责的妙松采纳,获得10
15秒前
setmefree发布了新的文献求助10
16秒前
DUMMY4869完成签到,获得积分10
16秒前
19秒前
19秒前
Jeffery426发布了新的文献求助10
19秒前
屈狒狒完成签到,获得积分10
20秒前
Duolalala发布了新的文献求助10
21秒前
Miao0603完成签到,获得积分10
22秒前
DUMMY4869发布了新的文献求助10
23秒前
pphhhhaannn完成签到,获得积分10
23秒前
美好芳发布了新的文献求助10
23秒前
原野小年发布了新的文献求助10
25秒前
26秒前
Owen应助狗蛋采纳,获得10
26秒前
leolin发布了新的文献求助10
26秒前
26秒前
YY发布了新的文献求助10
31秒前
33秒前
34秒前
酷酷应助骐骥过隙采纳,获得10
35秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140687
求助须知:如何正确求助?哪些是违规求助? 2791513
关于积分的说明 7799361
捐赠科研通 2447868
什么是DOI,文献DOI怎么找? 1302096
科研通“疑难数据库(出版商)”最低求助积分说明 626439
版权声明 601194