摘要：1 多模态融合架构 1.1 联合架构 每个单一模态通过单独编码后，将被映射到共享子空间中，遵循该策略，其在视频分类、事件检测、情感分析、视觉问答和语音识别等多模态分类或回归任务中都表现出较优的性能。 此外，联合架构对每个单模态的语义完整性有较高要求，数据不完整或错误问题在后期融合中会被放大，一些研究 阅读全文