Enhancing Audio-Visual Question Answering with Missing Modality via Trans-Modal Associative Learning

答疑 模态(人机交互) 计算机科学 情态动词 视听 结合属性 特征(语言学) 推论 人工智能 自然语言处理 模式 语音识别 多样性(控制论) 模式识别(心理学) 多媒体 语言学 数学 哲学 社会学 社会科学 纯数学 高分子化学 化学
作者
Kyu Ri Park,Youngmin Oh,Jung Uk Kim
标识
DOI:10.1109/icassp48485.2024.10446292
摘要

We present a novel method for Audio-Visual Question Answering (AVQA) in real-world scenarios where one modality (audio or visual) can be missing. Inspired by human cognitive processes, we introduce a Trans-Modal Associative (TMA) memory that recalls missing modal information (i.e., pseudo modal feature) by establishing associations between available modal features and textual cues. During training phase, we employ a Trans-Modal Recalling (TMR) loss to guide the TMA memory in generating the pseudo modal feature that closely matches the real modal feature. This allows our method to robustly answer the question, even when one modality is missing during inference. We believe that our approach, which effectively copes with missing modalities, can be broadly applied to a variety of multimodal applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
1秒前
偷浮生清闲完成签到,获得积分10
1秒前
1秒前
2秒前
2秒前
2秒前
3秒前
jaye_wang发布了新的文献求助10
3秒前
3秒前
草莓大恐龙完成签到,获得积分10
5秒前
YQQ发布了新的文献求助10
5秒前
西子阳发布了新的文献求助10
5秒前
5秒前
00gi发布了新的文献求助10
5秒前
doppelganger发布了新的文献求助10
6秒前
wode发布了新的文献求助10
6秒前
7秒前
7秒前
ROSE发布了新的文献求助10
7秒前
Lucas应助偷浮生清闲采纳,获得10
9秒前
刘老板发布了新的文献求助10
10秒前
5552222发布了新的文献求助10
10秒前
123发布了新的文献求助10
11秒前
11秒前
ba完成签到,获得积分10
11秒前
12秒前
核桃发布了新的文献求助10
12秒前
12秒前
liu完成签到,获得积分10
12秒前
大熊完成签到 ,获得积分10
12秒前
wode完成签到,获得积分10
12秒前
小渝干发布了新的文献求助10
13秒前
julysuunh完成签到,获得积分10
13秒前
14秒前
SUN发布了新的文献求助10
14秒前
二二完成签到,获得积分10
15秒前
郝好发布了新的文献求助10
16秒前
nnn完成签到,获得积分10
16秒前
17秒前
YQQ完成签到,获得积分10
17秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Modern Epidemiology, Fourth Edition 5000
Digital Twins of Advanced Materials Processing 2000
Weaponeering, Fourth Edition – Two Volume SET 2000
Polymorphism and polytypism in crystals 1000
Signals, Systems, and Signal Processing 610
Discrete-Time Signals and Systems 610
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 纳米技术 有机化学 物理 生物化学 化学工程 计算机科学 复合材料 内科学 催化作用 光电子学 物理化学 电极 冶金 遗传学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 6025037
求助须知:如何正确求助?哪些是违规求助? 7659561
关于积分的说明 16178111
捐赠科研通 5173271
什么是DOI,文献DOI怎么找? 2768125
邀请新用户注册赠送积分活动 1751495
关于科研通互助平台的介绍 1637631