本研究提出了一种层次表示学习框架（HRLF），有效解决多模态情感分析中的模态缺失问题，通过细粒度表示因子分解和层次互信息最大化机制，显著提升情感分析性能。

本研究提出了一种基于重放的持续文本分类方法InfoCL，通过互信息最大化和对抗性记忆增强策略，有效减轻了遗忘问题，并在三个文本分类任务上达到了最先进的性能。

DBF是一种视频多模态融合去噪模型，使用瓶颈机制过滤噪声和冗余信息，并采用互信息最大化模块来调节过滤器以保留关键信息。实验表明，该模型在多个基准测试中都有显著的改进效果，可以有效地从嘈杂和冗余的视频、音频和文本输入中捕捉到显著特征。