A causality based multi-task framework for enhancing image and text interactions

2026-08-08

0

PRE

AI

DOI：10.1016/j.knosys.2026.116796

原文求助

摘要

En 中文

• 该研究关注常见任务中被忽视且不一致的图像-文本交互。 • 该框架能进一步提升模型的性能，即使模型已是当前最优（SOTA）。 • 其因果性旨在探索更关键的特征，而非寻找噪声。 • 该建模方法为端到端实现，从而避免了类似工作中的计算开销。

Keyword:

Multi-modal interaction

Multi-task modeling

Image and text recognition

Causality intervention