平衡感知序列采样提升多模态学习效果

本研究针对现有多模态学习方法中由于数据异构性引起的模态不平衡问题，通过提出平衡感知序列采样（BSS）方法来填补这一空白。该方法通过定义多角度评估指标和动态更新训练顺序，提高了模型的稳健性和性能，大幅提升了多模态学习的整体效果。