研究者提出MoIF多模态幽默检测方法并在UR-FUNNY上取得70.6%准确率
热点事件持续更新
研究者提出MoIF多模态幽默检测方法并在UR-FUNNY上取得70.6%准确率
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Jiahao Qin 与 Yiwen Wang 发布论文，提出多模态幽默检测方法 MoIF（Möbius Interaction Filtering）。该方法通过模态子集预测函数与阶次选择性谱正则化，调控多模态交互对幽默检测的贡献。 论文称，在 UR-FUNNY 数据集上的五种子实验取得 70.6% 准确率与加权 F1，超过 13 个复现方法；其诱导滤波器将标签对齐信噪比相对共训练三模态预测器提升 1.62-2.79 倍。
AI 根据报道生成 · 2 小时前更新
最新进展11月11日 13:00
Möbius Interaction Filtering：面向多模态幽默检测的阶次选择性谱正则化方法 MoIF报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIMöbius Interaction Filtering：面向多模态幽默检测的阶次选择性谱正则化方法 MoIF
MoIF（Möbius Interaction Filtering）通过模态子集预测函数与阶次选择性谱正则化来调控多模态交互对幽默检测的贡献。该方法在 UR-FUNNY 数据集上以五种子实验取得 70.6% 准确率与加权 F1，超过 13 个复现方法；其诱导滤波器将标签对齐信噪比相对共训练三模态预测器提升 1.62-2.79 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。